Retroscena
Intelligenza artificiale: quando è considerata intelligente?
di Kevin Hofer
IA, Machine Learning e Deep Learning: qual è la differenza?
4.6.2018
Traduzione: Leandra Amato
Oggi, l'intelligenza artificiale (IA) è spesso associata al Machine Learning (apprendimento automatico). Il Machine Learning è una sotto-area dell'intelligenza artificiale, ma i termini non possono essere usati come sinonimi. Lo stesso vale per il Deep Learning (apprendimento profondo). Ecco spiegate le differenze.
Dovrei fare un nuovo taglio ai capelli. Devo prendere un appuntamento con un parrucchiere. Purtroppo non posso fissare appuntamenti online con lui, quindi dovrei contattarlo telefonicamente. Ma non mi piace affatto telefonare. Per fortuna posso chiedere a Google di fissare un appuntamento al posto mio.
Il Machine Learning fa parte dell'IA e il Deep Learning fa parte del Machine Learning. Ma cosa significano esattamente questi due termini?
Scopri di più sull’intelligenza artificiale in questo articolo (in tedesco)
Machine Learning
Un esempio di Machine Learning è il motore di raccomandazione di Netflix, parte integrante del servizio di streaming. Netflix consiglia film, serie e documentari in base alle tue preferenze e valutazioni.
Nell'apprendimento automatico, un sistema viene alimentato con dati e informazioni associate. Ad esempio, il traffico stradale: voglio sapere quanti veicoli passano davanti a casa mia in un pomeriggio. Vorrei anche ordinarli per tipo di veicolo. Potrei contarli, ma che fatica.
Deep Learning
Un esempio di Deep Learning è la colorazione automatica delle foto in bianco e nero. Il sistema impara dai modelli di colore che si trovano sulle foto. Ad esempio, il cielo è di solito blu e le nuvole sono spesso di colore bianco-grigio. Questa conoscenza viene poi trasferita ad altre foto in bianco e nero.
A differenza del Machine Learning tradizionale, i sistemi Deep Learning possono anche imparare da soli. Nell'apprendimento profondo non monitorato, ad esempio, i dati sono ancora inseriti da mani umane, ma il sistema stesso li elabora. Questo funziona tramite reti neurali artificiali.
Torniamo all'esempio del conteggio dei veicoli. Questa volta i dati visivi vengono messi a disposizione del sistema senza ulteriori informazioni. Il sistema divide queste immagini in pixel grossolani (ad es. 28×28) e fa passare le informazioni attraverso la rete neurale artificiale, imparando così a distinguere i diversi tipi di veicolo. Dopo che il sistema ha appreso, inseriamo nuovi dati – il conteggio del traffico effettivo. Ora li riconosce correttamente.
Il modo in cui il tutto funziona in dettaglio è molto complesso. Attualmente sto lavorando proprio su questo e presto scriverò un articolo a riguardo.
Riassumendo
In breve, l'intelligenza artificiale è un concetto e l'apprendimento automatico è un modo possibile per raggiungerla. L'intelligenza artificiale è il contenitore, per così dire. Le macchine intelligenti agiscono e pensano come l'essere umano. Attraverso l'apprendimento automatico, un sistema impara tramite programmazione. Nel Deep Learning, il sistema può imparare in modo indipendente.
In altre parole, tutto l'apprendimento automatico è IA, ma non tutta l'IA è apprendimento automatico. Analogo a questo, tutto il Deep Learning è Machine Learning, ma non tutto il Machine Learning è Deep Learning. E non da ultimo: tutto il Deep Learning è IA, ma non tutta l'IA è Deep Learning.
Sembra complicato, ma in realtà è molto semplice.
Kevin Hofer
Senior Editor
kevin.hofer@digitecgalaxus.chTecnologia e società mi affascinano. Combinarle entrambe e osservarle da punti di vista differenti sono la mia passione.
Informatica
Segui gli argomenti e ricevi gli aggiornamenti settimanali relativi ai tuoi interessi.
Retroscena
Curiosità dal mondo dei prodotti, uno sguardo dietro le quinte dei produttori e ritratti di persone interessanti.
Visualizza tutti
