Il Machine Learning è un insieme di algoritmi siluppato negli ultimi decenni del XX secolo che si occupa di migliorare l’utilizzo e le performance dei dati ricevuti. Il suo nome è stato coniato nel 1959 da Arthur Samuel. E’ un sottoinsieme dell’intelligenza artificiale: quest’ultima usa il Machine learning come altri tipi di algoritmi per cercare di imitare il più possibile l’intelligenza umana. Gli ambiti di uso del Machine Learning – o Apprendimento Automatico – sono innumerevoli, anche per le aziende. Vediamoli insieme.
Il Machine Learning si propone a noi quotidianamente senza che ce ne accorgiamo, ad esempio quando sorseggiando il caffè e scrolliamo i reels di Instagram: è lui il nostro selezionatore di intrattenimento; oppure quando cercando su google ci appaiono le pubblicità dell’ultimo paio di scarpe di cui parlavamo la sera prima con gli amici. Anche le banche e gli acquisti on-line utilizzano algoritmi di Machine learning. Questo strumento può funzionare attualmente in due modalità che seguono due diversi tipi di algoritmi: machine learning supervisionato e apprendimento non supervisionato.
MACHINE LEARNING SUPERVISIONATO E NON SUPERVISIONATO
La prima è la modalità attualmente più utilizzata. Dietro il computer c’è un data scientist, uno sviluppatore, che da dietro muove i fili. Un maestro che insegna al piccolo bambino machine learning cosa deve fare.
Il secondo algoritmo, invece, lo possiamo immaginare come le radici di un albero. Queste, sbattendo contro i vari ostacoli del sottosuolo, riescono a capire dove sia meglio propagarsi. Apprendimento in negativo: è la modalità che l’algoritmo usa per imparare. Un accumulatore di informazioni che, capendo l’errore, cioè l’unico dato diverso da quello che invece è ricorrente, capisce come indirizzare e usare i propri dati.
Ad esempio: se in un compito di prima elementare corretto da Machine Learning tutti hanno riportato sul foglio della verifica che 1 più 1 è uguale a 2 e uno o pochissimi bambini hanno scritto una risposta diversa, machine learning è capace di dare ragione ai più e di dare un brutto voto alla minoranza della classe decisamente distratta.
L’effetto collaterale di questa macchina è verificabile capovolgendo l’esempio di prima: non è detto che la risposta della maggioranza sia quella giusta. il principio con cui segue la massa permette di individuare le mode. Capacità utilissima nell’ambito della pubblicità e dell’intrattenimento via social.
USO DEL MACHINE LEARNING NEL MONDO DELLE AZIENDE E DELLE INDUSTRIE
L’uso più frequente di tale tecnologia è quello volto allo studio del cosiddetto ciclo di vita del cliente: quanto un’azienda riuscirà a guadagnare da un singolo cliente e per quanto tempo. Inoltre questo sistema permette anche di valutare chi tra questi abbia più capacità economiche.
Da qui nascono le strategie di marketing per attirare nuovi clienti e dividerli in base a gusti, età, possibilità economiche, modelli di comportamento e via discorrendo. Dalla gestione di questi dati nascono le campagne di marketing: Netlifx che suggerisce le serie tv da vedere, è riuscito a guadagnare un miliardo di dollari l’anno.
Secondo Amazon, invece, il suo implemento varia dal 20% al 30% annuo. La manutenzione preditiva è un’altra delle capacità di machine learning: la possibilità di avere dati su cui basare le scelte future nelle aziende o capire quando in un’industria un determinato utensile deve essere cambiato.
Non ci si affida più a ciò che si faceva in passato ma a dati statistici, questo porta ad una maggiore affidabilità e capacità produttiva. Se si parla di un utensile usato dai lavoratori o un filtro di un’industria che evita la fuoriuscita di sostanze tossiche questo nuovo modo di estrapolare dati può giovare alla vita del lavoratore e del cittadino.
UTILIZZO DEL MACHINE LEARNING NEL MONDO DELLA SCIENZA E DELLA SANITA’
Il Machine Learning è capace di raccogliere foto in 2D, catalogarle e trasformare il comune oggetto fotografato in un’immagine in 3D. Questo processo è rivoluzionario per la chirurgia. Per capire come funziona pensate alla scena del film Iron Man in cui Tony Stark lavora con il suo computer per cercare di bloccare le schegge di proiettile che miravano al suo cuore.
MACHINE LEARNING IN POLITICA
Un algoritmo produce esclusivamente un dato, questo poi va analizzato e interpretato. Per pensare ad un pessimo uso dell’utilizzo dei dati statistici per cercare di avere maggiore consenso si può prendere come esempio l’utilizzo di Tik Tok di tutti i nostri maggiori politici durante la campagna elettorale.
Alla ricerca di voti tra i più giovani, i loro discorsi sono andati virali proprio come pensavano, ma non nelle modalità che avevano previsto: il loro debutto in un mondo a loro completamente estraneo è stato causa di ilarità che molto raramente si è trasformato in voto.
