AO_432

SETTEMBRE 2021 AUTOMAZIONE OGGI 432 90 AO TUTORIAL Massimo Giussani on il termine machine learning (ML) si denota una branca della AI che permetta a un ‘sistema intelligente’ di rilevare tratti essenziali e schemi comuni nei dati estratti dall’am- biente circostante, di formulare azioni sulla base delle in- formazioni ottenute e di affinare il proprio comportamento conformemente al successo con cui si consegue l’obiettivo prefisso. La caratteristica più intrigante del machine learning è che nelle sue forme più avanzate è in grado di adattarsi dinamicamente al cambiamento delle condizioni operative, evolvendo oltre la programmazione iniziale impar- tita dallo sviluppatore. Esistono tre metodologie principali di ML: apprendimento senza supervi- sione (unsupervised learning), apprendimento con supervisione (super- vised learning) e apprendimento con rinforzo (reinforcement learning). Nell’unsupervised learning il sistema intelligente elabora informazioni prive di ‘etichetta’ per estrarne in maniera autonoma delle caratteristiche che gli permettano di ‘comprendere’ la struttura dei dati. L’obiettivo è ti- picamente quello di isolare tratti essenziali (riduzione di dimensionalità), separare elementi logicamente collegati tra loro (clustering) o identifi- care anomalie (anomaly detection). Il supervised learning introduce una forma di interazione con lo sviluppa- tore, o meglio supervisore, durante la fase di ‘addestramento’. Operando su un insieme di dati opportunamente etichettati (labeled training set), il sistema cerca di costruire un modello matematico in grado di associare con un certo livello di confidenza i dati in ingresso alla corretta etichetta. C Sbagliando si impara Il reinforcement learning è il paradigma di ML che più si avvicina al processo naturale di apprendimento autonomo per tentativi ed errori Fonte Pixabay_JESHOOTS-com I tre paradigmi del machine learning: apprendimento senza supervisione, apprendimento con supervisione e apprendimento per rinforzo. Tutti e tre possono trarre vantaggio dall’impiego di reti neurali profonde