Dal corso: Introduzione all'intelligenza artificiale

Machine learning

Dal corso: Introduzione all'intelligenza artificiale

Inizia la prova gratuita di 1 mese Acquista per il team

Machine learning

“

- Immagina un computer che non ha bisogno di essere programmato. Il sistema potrebbe imparare allo stesso modo in cui lo fai tu semplicemente osservando il mondo. Hai visto che i primi sistemi di intelligenza artificiale utilizzavano un approccio simbolico. L'idea era che se il sistema avesse riconosciuto i simboli, avrebbe iniziato a sembrare intelligente. Una delle sfide principali è stata che i programmatori hanno lavorato con esperti per creare il sistema. Ecco perché sono stati chiamati sistemi esperti. In seguito, gli informatici hanno rinunciato a questo approccio perché creava troppe combinazioni. Decisero che non si poteva semplicemente programmare l'intelligenza in un sistema, ma forse si poteva programmare un sistema per diventare intelligente attraverso l'osservazione. Non si sentirebbe, non si sentirebbe, non si vedrebbe o non si avrebbe il sapore di un essere umano. Invece, imparerebbe rilevando i dati. Nel 1959, uno scienziato informatico di nome Arthur Samuel creò un programma di dama che poteva imparare giocando contro se stesso. Ha giocato su entrambi i lati della scacchiera e ha imparato da solo la strategia attraverso l'osservazione. Più la macchina giocava, più vedeva schemi su come vincere. Gli informatici non hanno programmato la macchina per giocare a dama. Ha imparato attraverso la propria esperienza. Arthur Samuel ha chiamato questa idea apprendimento automatico. Questo era diverso dai sistemi simbolici. Nessun programma umano le mosse e le contromosse. Invece, il sistema è stato progettato per imparare e migliorare da solo. Il sistema imparava rapidamente nuove strategie di controllo e dopo un breve periodo di tempo batteva costantemente il suo programmatore. L'apprendimento automatico è stata una scoperta rivoluzionaria. C'era solo un aspetto negativo. Questi sistemi potevano giocare, ma negli anni '50 non c'erano molti dati digitali. Ricorda che l'apprendimento automatico utilizza i dati come i suoi cinque sensi. Quindi, senza dati, poteva trovare solo i modelli più semplici, ma tutto è cambiato. All'inizio degli anni '90, l'esplosione di Internet ha improvvisamente costretto la gente comune a creare enormi quantità di dati. Gli anni '90 sono stati un periodo di crescita esplosiva per i sistemi di apprendimento automatico. I nuovi dati erano come l'acqua che si riversava sui campi aridi dell'intelligenza artificiale. A questo punto, i sistemi di apprendimento automatico avevano il carburante necessario per diventare più intelligenti. Quindi, se volevi insegnare al sistema come identificare un gatto, avevi accesso a milioni di immagini di gatti online. Gli informatici hanno iniziato a creare nuovi algoritmi di apprendimento automatico. Ci sono stati anche alcuni ricercatori che hanno iniziato a creare sistemi progettati per imitare il cervello umano. Uno dei grandi vantaggi dell'apprendimento attraverso i dati è che le macchine potrebbero continuare a crescere con più dati. Se la macchina trova nuovi modelli, può adattarsi alle nuove informazioni. Ma è importante tenere presente che ci si imbatte ancora in alcune delle stesse sfide. Il sistema di apprendimento automatico sta ancora identificando solo i modelli. Tuttavia, negli ultimi anni l'apprendimento automatico è stato l'area in più rapida crescita nell'intelligenza artificiale. Con l'aumentare della quantità di dati, quest'area si è dimostrata ancora più promettente. Le organizzazioni raccolgono costantemente grandi quantità di nuovi dati. Quindi ora la grande sfida è diventata capire cosa fare con tutte queste informazioni. In un certo senso, hai sistemi di intelligenza artificiale che esaminano i tuoi dati e lasciano che la tua organizzazione veda cosa trova.

Contenuti