Apprendimento automatico

L'apprendimento automatico, comunemente abbreviato in "ML", è un tipo di intelligenza artificiale (AI) che "impara" o si adatta nel tempo. Invece di seguire regole statiche codificate in un programma, la tecnologia ML identifica schemi nei dati di input e contiene algoritmi che si evolvono nel tempo.

L'apprendimento automatico ha un'ampia varietà di applicazioni, molte delle quali fanno ormai parte della vita quotidiana. Di seguito sono riportati alcuni esempi:

1. Diagnosi mediche
2. Veicoli autonomi
3. Targeting della pubblicità online – Google AdSense e Facebook Advertising
4. Riconoscimento vocale – Google Assistant, Amazon Alexa, Microsoft Cortana e Apple Siri
5. Riconoscimento delle immagini – ricerca di immagini su Google, riconoscimento facciale su Facebook e in Apple Foto

Esempio di veicolo a guida autonoma

I veicoli autonomi utilizzano l'apprendimento automatico per migliorare la propria sicurezza e affidabilità. Un'auto a guida autonoma che utilizza l'intelligenza artificiale tradizionale può reagire a qualsiasi condizione stradale per la quale è stata programmata. Tuttavia, se il software rileva un input non riconosciuto, l'auto potrebbe ricorrere per impostazione predefinita a una misura di sicurezza di riserva, ad esempio rallentare, fermarsi o richiedere un intervento manuale.

L'apprendimento automatico può consentire a un veicolo di riconoscere eventi e oggetti che non sono stati programmati esplicitamente nel codice sorgente. Ad esempio, un'auto può essere programmata per riconoscere i semafori, ma non le luci lampeggianti sui pannelli di segnalazione dei lavori stradali. Imparando dall'esperienza — eventualmente registrando il comportamento di guida di un conducente umano — l'auto inizierà a riconoscere le barriere dei lavori stradali e a reagire di conseguenza.

La tecnologia ML è ciò che consente ai veicoli autonomi di distinguere tra gli oggetti sulla strada, come auto, biciclette, persone e animali. Aiuta inoltre le automobili a guidare in modo più affidabile in condizioni meteorologiche imperfette e su strade prive di linee ben visibili. L'obiettivo è consentire ai veicoli di guidare come gli esseri umani, evitando però gli errori causati dall'errore umano.