provincia di: Tutte
Seguici:

Cerca sportello

più vicino a te per orientarti nel lavoro

Il Machine Learning

Per stare al passo con l’evoluzione tecnologica è imprescindibile fare i conti con termini di difficile comprensione come Intelligenza Artificiale e Machine Learning. Ma sappiamo davvero cosa significano e cosa implicano?  

I droni automatici per la consegna dei pacchi, gli avvisi della banca relativi ad addebiti sospetti, la capacità di Siri di riconoscere le voci sono tutti esempi di intelligenza artificiale (o Artificial Intelligence - AI). Siamo in presenza dell’intelligenza artificiale quando le macchine in maniera autonoma comprendono, apprendono e si interfacciano con il mondo esterno.

Per poter definire una macchina “intelligente”, è necessario che questa sia in grado di imparare dalle proprie esperienze. Deve quindi poter effettuare delle scelte, valutarne le conseguenze ed eventualmente modificare il proprio comportamento. Pensiamo ad esempio a quelle macchine fotografiche che riescono a riconoscere i volti delle persone, oppure  a quelle applicazioni per smartphone che riescono a riconoscere i brani musicali o i luoghi nelle foto. Questi sono solo alcuni esempi di machine learning (o apprendimento automatico), quella branca della scienza informatica che studia speciali algoritmi in grado di apprendere funzioni e comportamenti sempre nuovi grazie all'interazione con l'ambiente esterno.

La necessità del Machine Learning nasce dall’avere a che fare con una enorme quantità di dati provenienti dalle fonti più disparate ma anche per affrontare situazioni in cui non esiste esperienza umana pregressa.

L’idea alla base è quella secondo cui le percezioni non devono essere utilizzate solo per scegliere l’azione da intraprendere, ma anche per permettere al software di migliorare le sue capacità decisionali e predittive. L’aspetto più affascinante, infatti, è che questa catena del dato arriva allo step finale della costruzione di un modello comportamentale dell’utente, una sorta di alter-ego digitale in grado di predire le nostre azioni.

Per poter ottenere questo risultato é necessario fornire al programma un qualche tipo di feedback che rappresenti il risultato delle sue azioni. Il tipo di apprendimento si differenzia in base al modo in cui questo feedback viene fornito. In particolare si possono distinguere tre macro-categorie di apprendimento

  • Supervisionato (il feedback è diretto). In grado di produrre un'ipotesi induttiva, ovvero partendo da una serie di problemi particolari si estrae un modello di risoluzione per problemi generali. Può essere utilizzato nel settore medico (previsione dell’insorgenza di tumori in base a dati biometrici del passato), l'identificazione della scrittura manuale (migliorata grazie all'analisi dei documenti scritti) o identificazione vocale (migliora il sistema in base agli ascolti audio passati)
  • Senza supervisione (non c’è alcun feedback esterno). In questo caso le classi di dati non sono conosciute a priori, ma sono costituite in una fase successiva e apprese autonomamente dagli algoritmi. Tecniche di questo tipo sono utilizzate dai motori di ricerca che creano liste di risultati pertinenti alla ricerca effettuata a partire da una o più parola chiave ( si tratta delle cosiddette SERPSearch Engine Results Page)
  • Con rinforzo (il feedback è indiretto). Si applica in quei casi in cui non si hanno indicazioni dirette su quale sia l’output desiderato, ma questo viene interpretato in base al cosiddetto rinforzo che determina quantitativamente se la scelta eseguita sia o meno positiva. Pensiamo alle auto che si guidano da sole, capaci di riconoscere l'ambiente circostante e di adattare il loro comportamento grazie ai sensori (presenza di altre auto nelle vicinanze, ostacoli sul cammino, limiti di velocità etc.).

 

In campo aziendale, l’adozione dei sistemi di machine learning può fornire una marcia in più alle imprese nella gestione delle campagne pubblicitarie e in particolare nelle campagne in Programmatic Advertising e in RTB.

 

Nella scheda che segue ci soffermeremo proprio sui vantaggi per le aziende e vedremo perché e in quale modo il Machine Learning consente di ottenere numerosi benefici nel business, specie in alcuni ambiti come il marketing e il processo di vendita.

Viviamo in un mondo governato dai dati. Quello che poco tempo fa era un gesto abituale, come fare un acquisto, oggi si è trasformato in una sequenza continua di micro-momenti analizzati con estrema precisione da strumenti di raccolta informazioni, al fine di perfezionare il servizio offerto all’utente finale. Dietro a questo processo si celano sofisticati strumenti di calcolo, potenti mezzi di previsione e articolati algoritmi in grado di predire i comportamenti degli utenti.

Il machine learning è uno dei temi più caldi al centro del business e dell’innovazione tecnologica, ponendosi ad un punto di convergenza tra big data, algoritmi, business intelligence e intelligenza artificiale. Concetti che fino a un anno fa non avevano nulla a che fare con il mondo del marketing digitale, ovvero una delle arene più avvincenti su cui applicare i sistemi di machine learning. Attraverso la pubblicità online, applicazioni mobili e altri media digitali, gli inserzionisti hanno a disposizione innumerevoli opportunità di pubblicare gli annunci giusti, per le persone giuste, al momento giusto e con campagne cross-channel.

Grazie all’apprendimento automatico, l’utente si interfaccerà con un sistema in grado di profilarlo e predirne le azioni, servendolo dunque in anticipo e permettendogli di risparmiare tempo e spesso anche denaro. L’obiettivo è dunque quello di offrire all’utente proprio quello che stava cercando.

Ma i vantaggi per le aziende non finiscono qui. Il machine learning gioca un ruolo cruciale anche nella costruzione della relazione brand-cliente. Tanto più le aziende sono in grado di costruire modelli fidati, tanto migliore sarà la percezione del consumatore, il quale sarà sempre più incline a stabilire una relazione duratura con l’azienda.  Pensate a YouTube: vi è mai capitato di vedere in primo piano video vicini alle vostre preferenze, senza averli cercati? E’ il sistema a suggerirvi un nuovo contenuto sulla base del vostro alter-ego digitale, ovvero il vostro modello comportamentale costruito elaborando una quantità praticamente smisurata di nostri dati. Ponendo il caso in cui procediate alla visualizzazione, la prossima volta sarà più probabile che vi fidiate del suggerimento di Youtube.

Ma la vera forza del machine learning deve ancora esprimersi pienamente. Grazie alla sua costante evoluzione tecnologica, è ipotizzabile che presto da strumento predittivo diventerà uno strumento “creativo” di scoperta e avrà un ruolo da protagonista in settori come quelli della ricerca e della scienza.

 

Se l’argomento vi interessa e volete scoprire tante altre applicazioni che può avere l’A.I. vi invitiamo a leggere questi approfondimenti di Cliclavoro molto esaustivi: 

Copia il contenuto: Stampa il contenuto: