Il Machine Learning – chiamato anche apprendimento automatico – è un modo di mettere in pratica l’intelligenza artificiale: il suo scopo è creare sistemi che imparino automaticamente, nel senso che siano in grado di riconoscere schemi complessi basandosi sull’analisi di (potenzialmente) milioni e milioni di dati (anche se possono essere anche molti meno).
La macchina arriva quindi ad apprendere un algoritmo che – scandagliando i dati che ha a disposizione – è capace di prevedere schemi e comportamenti futuri; la macchina, poi, con il passare del tempo dovrebbe anche essere capace di migliorare le proprie abilità in forma automatica, di “evolversi” senza l’intervento dell’uomo.
Il Machine Learning ha fatto passi da gigante per esempio nel riconoscimento automatico delle immagini: mettiamo di cercare un’immagine con Google Foto, decidiamo di cercare un cane; come fa Google a sapere quale foto proporci? Come sa riconoscere i cani nelle foto presenti sul web?
Il computer raccoglie moltissime foto con l’etichetta “cane” ma anche tantissime altre immagini con etichette diverse; con tutte queste immagini a disposizione il computer cerca poi schemi di pixel e di colori che può utilizzare per formulare un’ipotesi riguardo a ciò che appare nella foto (è un cane? Un gatto? Qualcos’altro?).
Dopo aver formulato la sua ipotesi esamina la foto di un cane per valutare l’adeguatezza degli schemi che ha utilizzato per la sua ipotesi. Il computer ha sbagliato e ha scambiato un gatto per un cane? Allora realizza delle piccole modifiche agli schemi utilizzati; questa procedura si ripete un numero enorme di volte fino a migliorare al massimo i risultati.
Google ha anche messo a disposizione un sito web (Teachable Machine) che – attraverso la webcam del computer – ci permette di “allenare” la macchina e comprendere meglio come funziona il Machine Learning.
Il Machine Learning si può applicare alle imprese perché grazie agli algoritmi, che identificano schemi analizzando le variabili che portano a determinati modelli di comportamento, possiamo trarre conclusioni, prevedere determinate situazioni e – quindi – anticipare i comportamenti dei consumatori, favorendo quelli positivi e intervenendo tempestivamente per evitare quelli negativi.
Le aziende al giorno d’oggi hanno a loro disposizione una quantità di dati sempre maggiore; riuscire a sfruttarli in maniera competitiva risulta di certo essere un vantaggio, perché previsioni affidabili possono aiutarci a prendere decisioni strategiche migliori.
