L'intento di questo articolo è davvero semplice: fare un po' di chiarezza sul significato di Intelligenza Artificiale (AI), di Machine Learning (ML) e di Deep Learning. Il termine Intelligenza Artificiale (AI) descrive un po' tutte le possibile vie mediante cui una macchina interagisce con il mondo che le sta intorno. Una classica chatbot rientra perciò nel concetto di intelligenza artificiale, così come la CPU in un videogioco (i nemici in Metal Gear Solid, in Splinter Cell, cioè in quei casi in cui il personaggio cerca di adattarsi alla situazione che il giocatore genera. L'esempio più immediato è dato dall'avversario in un videogioco di scacchi, forse).

Ovviamente, non è questo che si intende negli ultimi anni quando si parla di AI, soprattutto nel settore marketing. Sempre più spesso ci si riferisce a quelle piattaforme che si servono di tecnologie più avanzate e che consentono, perciò, di mimare il comportamento umano molto verosimilmente (gli assistenti vocali come Siri, Cortana, Alexa ne sono l'attuale esempio più efficace). Tra queste innovative tecnologie rientrano principalmente quelle che sfruttano il Machine Learning e le sue rispettive sottoclassi.

Con il Machine Learning, il sistema impara a riconoscere dei pattern ed automigliorarsi imparando dai propri errori. - Fonte: Qualcomm

ML: Machine Learning§

Il Machine Learning è un approccio alla programmazione che pone enfasi sulle possibilità di imprimere all'algoritmo la capacità di automigliorarsi per risolvere problematiche per le quali non è stato esplicitamente programmato. A tal fine deve essere in grado di usare complessi algoritmi per analizzare grandi quantità di dati, riconoscere pattern in tabelle e fare predizioni senza l'intervento diretto di un umano che ne compili le istruzioni. Anche le immagini non sono che tabelle, cioè array di pixel, infatti non è un caso che questi algoritmi siano spesso utilizzati per insegnare alle macchine ad individuare dei pattern da delle immagini, come in questa applicazione medico-biologica. È spesso considerato una sottocategoria dell'AI, poiché l'apprendimento della macchina è legato a doppio filo con la possibilità di simulare il comportamento umano ed interagire intelligentemente con gli altamente variabili input dell'ambiente circostante.

Deep Learning§

Il Deep Learning è una sotto-area del Machine Learning, nonché una delle sue applicazioni più innovative, che si avvale delle nuove possibilità offerte dagli hardware attuali. Usa una grande quantità di dati e di capacità computazionale per simulare delle Reti Neurali Profonde (da cui Deep Learning, appunto). Essenzialmente, queste reti imitano le connessioni neurali del cervello umano, classificando delle tabelle di dati e trovando le correlazioni che esistono tra di esse. Con la conoscenza acquisita da queste correlazioni (e si intende "acquisita senza l'intervento dell'uomo"), la macchina può applicare queste statistiche ad ulteriori database. Maggiore è la quantità di dati di cui la macchina dispone, più accurate saranno le predizioni.

Fonti:

Qualcomm

Potrebbe interessarti: Perché la ricerca farmaceutica ha bisogno del Machine Learning