L'intelligenza artificiale e le sue tecniche

Machine learning, Intelligenza artificiale, reti neurali... tutti termini che oggi giorno sentiamo di frequente, ma che raramente sappiamo associare a qualcosa di ben definito. Un po' per la natura stessa dei software che sono essi stessi intangibili un po' perchè a volta questi termini vengono usati come sinonimi.

Obbiettivo: l'Intelligenza Artificiale

Dal titolo del paragrafo possiamo capire che l'obbiettivo primario è raggiungere una vera "intelligenza artificiale", ossia riuscire a creare software, o hardware più in generale, che riescono a "pensare" e quindi risolvere problemi come un essere umano. I problemi che vorremmo risolvere sono quelli con cui abbiamo a che fare ogni giorno, facendo degli esempi banali, riuscire a interpretare un linguaggio oppure riconoscere cosa c'è in un'immagine.

Potremmo riassumere quello appena detto nel seguente schema:

dove nel lato più esterno mettiamo l'intelligenza artificiale come obbiettivo da raggiungere, e nei cerchi più interni i vari algoritmi utilizzati.

Tralasciando le questioni etiche e morali, ad oggi, siamo ancora lontani.
Quello che siamo riusciti a fare è stato utilizzare alcuni algoritmi di intelligenza artificiale per risolvere alcuni e specifici problemi. Un esempio su tutti potrebbe essere Google Translate, che ad ogni suo utilizzo(utilizzo inteso soprattutto come la modifica del risultato) migliora la qualità della traduzione fornita. Altri esempi potrebbero essere i vari assistenti vocali presenti sui nostri smartphone. come Siri o Google Now.

Machine learning

Avendo ora fatto un po' di chiarezza su cos'è l'intelligenza artificiale, analizziamo meglio cosa si intende per Machine Learning.
Nella programmazione "normale" costruiamo algoritmi sempre più complessi, ma di cui conosciamo ogni singolo passaggio. L'idea alla base del machine learning è quella di utilizzare un grande set di dati e algoritmi di classificazione per stravolgere tutto questo, creando funzioni ad hoc per capire quale di questi dati vogliamo utilizzare per riuscire a migliorare i risultati forniti, ottenendo un sistema che riesce a prendere decisioni sulla base dei dati forniti.

Reti neurali

All'interno del machine learning troviamo una delle tecniche ad oggi più utilizzate. Forse la più promettente che ci sia attualmente. Prende il nome dalle rete neurali biologiche e ne cerca di mimare il comportamento. Senza entrare troppo nello specifico, il concetto sul quale si base è estremamente interessante: è la macchina stessa a determinare i classificatori dei dati. Classificatori che potrebbero esseri diversi da come li avremmo fatti noi e che non sono scelti a priori dai programmatori.

L'impatto che l'utilizzo di questa tecnica apporta, è estremamente superiore rispetto al machine learning tradizionale, dal punto di vista dei risultati che vogliamo conseguire.

Ricapitolando

Quando parliamo di Intelligenza artificiale, machine learning e reti neurali, sappiamo che ci riferiamo a concetti differenti tra loro:

L'intelligenza artificiale è l'obbiettivo che vogliamo raggiungere;
Il machine learning è un approccio per giungere al nostro obbiettivo;
Le reti neurali, ma più in generale il deep learning, è una tecnica specifica del machine learning che possiamo applicare in alcuni contesti;

Immagini libere da copyright

1- https://pixabay.com/it/intelligenza-artificiale-robot-ia-2167835/
2- immagine raalizzata da me
3- https://pixabay.com/it/a-io-ia-anatomia-2729781/
4- https://pixabay.com/it/cervello-anatomia-astratto-arte-2146817/