Come l’apprendimento automatico trova schemi — Informatica, 14–17 anni
Nell’apprendimento automatico, un sistema modifica numeri interni usando esempi invece di ricevere direttamente tutte le regole. Può riconoscere schemi, ma le sue risposte dipendono dai dati e non equivalgono alla comprensione umana.
Imparare significa adattarsi dagli esempi
Un modello di apprendimento automatico è un insieme di numeri regolabili che trasforma un input in un output. Durante l’addestramento vede esempi e modifica quei numeri per avvicinare le risposte a quelle conosciute. Dopo applica lo schema imparato a nuovi dati; non contiene una piccola persona che capisce l’argomento.
Perché imparare dai dati?
Alcuni compiti sono facili da descrivere a parole, ma altri hanno così tanti casi complessi che scrivere tutte le regole sarebbe difficile. Riconoscere un volto o decidere se un messaggio sembra spam può dipendere da combinazioni sottili. L’apprendimento automatico serve a trovare regolarità utili negli esempi quando una regola scritta è difficile da formulare.
Classificare messaggi con gli esempi
Immagina un modello che riceve 1.000 messaggi etichettati come spam o non spam. Nota che parole come “premio” e “urgente” compaiono spesso nello spam, ma impara anche dalle loro combinazioni e dal resto del messaggio. Su un nuovo messaggio calcola un punteggio spam di 0,92 e lo classifica come spam. Il punteggio è una previsione, non una certezza.
Uno schema non è una causa
È comprensibile confondere una forte correlazione con una spiegazione. Se i dati di addestramento mostrano che gli ombrelli compaiono spesso con strade bagnate, un modello può usare gli ombrelli per prevedere la pioggia, ma non la causano. Può anche seguire un indizio ingannevole se gli esempi sono incompleti o distorti. Prevedere e capire sono cose diverse.
Previsioni utili, decisioni attente
L’apprendimento automatico aiuta a filtrare lo spam, suggerire canzoni, tradurre testi e individuare attività insolite in immagini mediche o fabbriche. In ogni caso, le prestazioni dipendono dagli esempi e dall’errore più importante da evitare. Un suggerimento può essere solo fastidioso, ma un allarme medico richiede controllo umano e dati scelti con cura.
Continua a esplorare
Altre lingue
Caricamento di MyLeoNes™…