Che cos'è il machine learning?

Il machine learning è una funzionalità che consente al software di eseguire un'attività senza programmazione o regole esplicite. Tradizionalmente considerato una sottocategoria dell'intelligenza artificiale, il machine learning prevede l'uso di tecniche statistiche, come il deep learning (ovvero le reti neurali), che si ispirano alle teorie su come il cervello umano elabora le informazioni.

Come funziona il machine learning?

Il machine learning si basa su modelli algoritmici addestrati a riconoscere pattern nei dati raccolti (ad esempio log, voce, testo o immagini). Poiché l'accesso a molti dati di addestramento e la potenza di calcolo sono presupposti essenziali per il successo, il cloud (in cui l'archiviazione dei dati e il computing ad alte prestazioni sono pratiche molto comuni e possono essere particolarmente economiche) è la piattaforma ideale per il machine learning.

Quali sono alcuni esempi di machine learning?

Gli esempi di machine learning abbondano nella vita quotidiana. Un esempio molto semplice consiste nel completamento automatico di nomi, parole chiave o indirizzi in un campo di ricerca, ma lo stesso concetto si può applicare a casi d'uso più complessi in più settori. Ad esempio, il machine learning viene utilizzato per:

  • Classificare le immagini (come studi di risonanza magnetica, foto o immagini satellitari)
  • Cercare parole chiave in quantità enormi di documenti di testo o email
  • Contrassegnare transazioni potenzialmente fraudolente
  • Personalizzare i suggerimenti sui prodotti in base al comportamento del cliente
  • Consentire al software di rispondere con precisione ai comandi vocali
  • Prevedere modelli meteorologici o altre condizioni climatiche
  • Tradurre lingue in formato testo o audio

In breve, ovunque ci sia un software che svolge un'attività ad alta intensità di lavoro su una scala al di là delle capacità umane, è probabile che sia coinvolto il machine learning.

Come viene utilizzato il machine learning all'interno di Google?

Il machine learning ricopre da anni un ruolo fondamentale nei sistemi interni di Google, principalmente a causa della nostra necessità di automatizzare i sistemi basati sui dati su larga scala. Questa esperienza ha consentito di conseguire una conoscenza senza pari dei framework, delle tecniche, dell'infrastruttura e dei dati più adatti per aiutare i clienti a sfruttare al meglio il valore del machine learning.

Ad esempio, il framework open source chiamato TensorFlow, originariamente sviluppato per l'uso all'interno di Google, è ora uno standard nella community di data science, offrendo agli utenti esperti la possibilità di creare e addestrare modelli efficaci. Le nostre centinaia di ricercatori di machine learning non solo offrono contributi importanti alle community accademiche e open source, ma aiutano a integrare tale funzionalità nei prodotti Google (ad esempio G Suite, Ricerca e Foto), oltre che nelle operazioni interne di Google (come ad esempio per l'automazione dei data center).

Come posso iniziare a utilizzare il machine learning nella mia organizzazione?

Se una volta faceva parte degli esotici domini di statistica e data science, oggi la funzionalità del machine learning è ampiamente accessibile sotto forma di librerie open source (TensorFlow), servizi gestiti e API per il cloud. Per i data scientist che vogliono creare modelli "a prova di futuro" in grado di passare dall'on-premise al cloud e viceversa o per gli sviluppatori tradizionali che non dispongono di dati di addestramento adeguati e vogliono integrare un modello predefinito/preaddestrato nella loro app tramite un'API per il cloud, l'utilizzo di tali strumenti come parte della routine quotidiana rappresenta un obiettivo realistico.

Ulteriori informazioni: