AS_06_2019

Settembre 2019 Automazione e Strumentazione FOCUS approfondimenti 50 Oggi, nell’era digitale, paradigmi tecnologici di analisi dei dati come l’apprendimento automatico delle macchine, ossia il machine learning (ML) e il deep learning (DL) , stanno conquistando il mercato, contrapponendosi con sempre maggiore frequenza a consolidati metodi statistici tra- dizionali . Non sono infrequenti gli articoli, o le campagne di comunicazione sul tema, in cui tali differenti metodi e paradigmi di analisi dei dati sono considerati come tecnologie e termini inter- scambiabili, ma così, esattamente, non è. Occorre anche ricordare che i metodi e le disci- pline che afferiscono all’ intelligenza artificiale , o AI (artificial intelligence) , e di cui il machine learning fa parte, hanno alle spalle una storia lunga decenni. Eppure, solo in questi ultimi anni di trasformazione digitale tali discipline hanno acquisito visibilità anche agli occhi del grande pubblico, guadagnando notorietà e diffusione, non più solo nei laboratori e negli ambienti acca- demici, ma anche nel mondo commerciale, azien- dale e industriale, per la realizzazione di vari tipi di applicazioni. E la principale ragione di ciò è che, con l’evoluzione tecnologica, le tipiche limitazioni hardware (potenza di calcolo, spazio di archiviazione dati, memoria) e i classici costi legati ai sistemi di computing, oggi non sussi- stono più, grazie alla crescente disponibilità di capacità computazionale, memoria, storage, a costi descrescenti; all’avvento di sistemi elettro- nici sempre più potenti e alla diffusione del cloud computing. Un altro fattore fondamentale a stimolare la dif- fusione del machine learning, e di altre tecnologie di memorizzazione e analisi dei dati, è anche la letterale esplosione delle informazioni avvenuta in questi anni, e tuttora in corso: il fenomeno di continua espansione dei volumi di dati , gene- DIVERSI APPROCCI ALL’INTELLIGENZA ARTIFICIALE Modelli statistici e machine learning, le differenze chiave L’apprendimento automatico delle macchine risulta ormai sempre più strategico per analizzare i big data, le enormi moli di dati generate dai sensori. Ma, per sviluppare fiducia sull’affidabilità della AI, vi sono settori disciplinari e imprese che richiedono algoritmi di ML più trasparenti. Giorgio Fusari AI e ML aiutano ad automatizzare l’analisi di enormi moli di dati @Giorgio_Fusari