Il deep machine learning, o più comunemente deep learning, è il futuro dell'intelligenza artificiale. L'AI infatti è un termine che si riferisce alle macchine che possono assolvere compiti che sono tipici dell’intelligenza umana (pianificazione, la comprensione del linguaggio, il riconoscimento degli oggetti e dei suoni, l’apprendimento e il problem solving). Il deep learning va appunto più "in profondità" e riguarda l’emulazione dei meccanismi di apprendimento degli esseri umani. Il suo obiettivo finale è l'automazione delle analisi predittive.
Deep machine learning: cos'è e a cosa serve
Il deep machine learning si basa sull’utilizzo di reti neurali artificiali (deep artificial neural networks ), algoritmi e sistemi computazionali ispirati dal cervello umano per affrontare i problemi posti dal machine learning. Il machine learning infatti prevede di insegnare alle macchine come si impara a fare qualcosa invece di fornire loro un set di istruzioni, che è la base dell'intelligenza artificiale. Il deep learning va oltre proprio grazie alle reti neurali. A cosa servono? Secondo la descrizione di Shehzad Noor Taus Priyo, sono come «una serie di porte da oltrepassare dove l’input è l’uomo che le deve oltrepassare e ogni volta che lo fa cambia qualcosa nel suo comportamento, finchè all’ultima porta oltrepassata l’uomo è diventato una persona del tutto differente, rappresentando l’output di questo processo».
Differenze con intelligenza artificiale e machine learning
Qual è la differenza profonda con il machine learning? Quest'ultimo termine fu coniato nel 1959 da Arthur Samuel che lo definì come “the ability to learn without being explicitly programmed ” cioè “l’abilità di imparare senza essere espressamente programmato”. Tramite il machine learning, la macchina “allena” l’algoritmo in modo che possa imparare come eseguire un dato compito, per esempio migliorando l’abilità nel riconoscimento delle immagini o dei video. Con il deep machine learning invece la macchina impara da sola senza bisogno di una mediazione nell'elaborazione dei dati
Il legame con l'Internet of Things
Ma come può imparare il deep machine learning? Solo partendo da una mole immensa di dati che possono essere raccolti da miliardi di sensori che compongono l'Internet of Things. Allo stesso tempo, l'Iot - cioè dispositivi collegati ad Internet quindi in grado su essere controllati e monitorati a distanza - funzionano solo a partire dall'intelligenza artificiale. AI - e in particolare il deep learning - e IoT dunque formano un circolo virtuoso che promette di cambiare il mondo. Sempre che le macchine non decidano di prendere il potere...
