Apprendimento automatico dagli esempi — Tecnologia, 14–17 anni
Scopri come un sistema impara schemi dai dati e perché le sue risposte dipendono dagli esempi ricevuti.
Imparare uno schema dai dati
Nell’apprendimento automatico, si danno al computer molti esempi e un modo per misurare gli errori. Il computer modifica un modello finché trova schemi utili per casi nuovi. Non memorizza semplicemente una regola scritta da un programmatore: adatta una regola ai dati, che possono essere incompleti o distorti.
Perché serviva l’apprendimento automatico
Alcuni compiti sono facili da spiegare ma difficili da trasformare in istruzioni fisse, come riconoscere un volto o prevedere se un’email è indesiderata. I software tradizionali richiedevano di descrivere ogni caratteristica ed eccezione. L’apprendimento automatico è nato per usare molti esempi quando lo schema è troppo complesso o cambia troppo per regole scritte a mano.
Una piccola previsione
Immagina un modello che prevede se una pianta ha bisogno d’acqua usando l’umidità del terreno: gli esempi secchi sono 10, 20 e 30, quelli umidi 60, 70 e 80. Una nuova misura di 25 è più vicina al gruppo secco, quindi il modello prevede “ha bisogno d’acqua”. Può però sbagliare se cambiano pianta, sensore o esempi.
La trappola: sicurezza non significa correttezza
Un sistema di apprendimento automatico può dare una risposta chiara con un’elevata sicurezza e tuttavia sbagliare. È naturale fidarsi di chi parla con sicurezza perché, in una conversazione, la certezza può indicare competenza. Ma il punteggio descrive il confronto interno del modello con i suoi esempi, non garantisce la realtà, soprattutto nei casi insoliti.
Previsioni nella tecnologia quotidiana
I sistemi di raccomandazione suggeriscono canzoni, film o prodotti trovando schemi in ciò che le persone hanno guardato e scelto. Le tastiere prevedono la parola successiva e le app fotografiche raggruppano volti o scene simili. Questi strumenti fanno risparmiare tempo, ma i suggerimenti riflettono dati e obiettivi scelti dai progettisti, non una visione neutrale del meglio.
Continua a esplorare
Altre lingue
Caricamento di MyLeoNes™…