Questo è il secondo di 8 episodi in cui Sabatino intervista Davide Cavezza, una delle figure più rilevanti nell’ambito della ricerca e dello sviluppo sperimentale in BeeVoip.
In questa puntata Davide spiega che cos’è il Machine Learning.
Resta aggiornato sul blog per vedere il secondo episodio!
Vai all’articolo sul sito:
https://www.beevoip.it/news-beevoip-voip-doctorin-transcriber-movision-2023-02-28-video-incontro-sabatino-e-davide-cavezza-intelligenza-artificiale-e-machine-learning-sabatino-chiede-a-davide-approfondimenti-sul-machine-learning.php
Testo preso dalla traccia audio del video tramite il nostro trascrittore TRANSCRIBER
S) Va bene, allora, cerchiamo di far capire un po’ a casa questi termini un po’ complessi. Tu hai nominato il machine learning. Suppongo che sia una branca dell’intelligenza artificiale, giusto?
D) Sì, l’intelligenza artificiale è quell’insieme di algoritmi generici utilizzati per far compiere alle macchine task che sono tipicamente umani come prendere decisioni in base a determinati dati oppure imparare a risolvere i problemi senza l’ausilio delle istruzioni fornite dall’uomo, come avviene nella programmazione classica.
Il machine learning riguarda proprio questo, essenzialmente è un modello diverso di programmazione rispetto a quello a cui siamo abituati.
Di solito, che vuol dire programmare? Vuol dire dare istruzioni a un computer su come risolvere un determinato problema. Prendiamo un esempio dall’architettura in generale devo fare un software per architetti devo realizzare, devo programmare una funzionalità di calcolo dell’area di una superficie. Come faccio? Scompongo questa superficie magari in superfici più semplici, quali i rettangoli, per dire; calcolo l’area di ciascun rettangolo come base per altezza e poi sommo alla fine le aree di tutti questi singoli rettangoli.
Programmare vuol dire dare queste istruzioni una per una a computer e il computer le esegue e mi calcola l’area.
Nei modelli di machine learning l’approccio è completamente diverso. Tu fornisci esempi di comportamento desiderato ad un algoritmo generico di machine learning che permette alla macchina di adattarsi ai dati che tu gli fornisci e la macchina capisce da sola a partire da una serie di esempi, per esempio di superfici, e di aree ad esse associate, come calcolare l’area di una superficie generica.
Questo è chiaramente un modello che non si applica bene al calcolo di aree di superfici, però si applica bene a problemi che sono difficili da codificare come sequenza di istruzioni: ad esempio il riconoscimento di oggetti in un’immagine. Vogliamo, partendo da un’immagine, definire che cosa è contenuto nell’immagine, se c’è una persona, se c’è un albero, se c’è un cane. È difficile definire un algoritmo che ti permette di determinare se e quali oggetti sono presenti nell’immagine. Invece l’approccio del machine learning ti permette di fornire tanti esempi alla macchina di immagini contenenti cani, immagini contenenti persone, immagini contenenti alberi, e la macchina automaticamente impara a distinguere questi tipi di oggetti nelle immagini.
Iscriviti al canale, segui i nostri social e non perderti le novità! Iscriviti alla nostra newsletter: https://beevoip.it/newsletter-iscrizi…
FB: https://facebook.com/beevoip
LINKEDIN: https://www.linkedin.com/company/beev…
INSTAGRAM: https://www.instagram.com/beevoip/