Con la locuzione machine learning (ML) si definisce in modo generico l’insieme di tecniche affini all’intelligenza artificiale con cui, a partire da un set di dati fornito, si riescono a ricavare conoscenze utili, fare previsioni o determinare azioni intelligenti.
Alla base del machine learning ci sono dei sistemi capaci di apprendere dai dati, sia da soli sia con il presidio dell’essere umano, e quindi di creare modelli in grado di dare le risposte più appropriate agli input reali.
Per creare modelli ML efficaci, serve scegliere i dataset che sono più rappresentativi per l’apprendimento dello specifico problema. Serve valutare la qualità delle risposte generate e quindi ottimizzarle applicando le correzioni che sono in grado di migliorare i risultati.
Nei contesti d’impresa, dove ML serve a dare risposte utili al business, è importante che il modello venga creato nell’ambito di un processo ben organizzato che preveda i KPI per il monitoraggio della qualità dei risultati, l’ottimizzazione periodica e l’eventuale dismissione/aggiornamento del modello qualora, con il passare del tempo, dovesse diventare inadeguato.
I modelli ML hanno un proprio ciclo di vita e il monitoraggio aiuta ad accorgersi quando occorrono interventi significativi di aggiornamento o di ritorno alla fase di training.
I dati usati per l’apprendimento iniziale potrebbero, nel tempo, aver perso rappresentatività rispetto a nuovi scenari d’applicazione. Nel caso si utilizzi un modello con apprendimento automatico continuo, esiste il rischio che dati errati o sequenze eccezionali compromettano la base di conoscenza portando alla generazione di risultati arbitrari.
Le tecnologie ML trovano oggi applicazione in moltissimi campi che vanno dalla proposizione di prodotti e servizi online in base agli acquisti fatti in precedenza, alla gestione automatizzata di processi aziendali che comprendono anche IT e security.
Sistemi ML sono alla base dei moderni servizi di manutenzione predittiva, ma anche delle interfacce dati più avanzate che aiutano le persone ad ottenere rapidamente le informazioni utili in base al contesto di richiesta.
Capacità ML integrate nelle applicazioni e motori programmabili sono oggi facilmente accessibili attraverso i servizi on demand dei principali fornitori di cloud, assieme a modelli già pronti per gli scopi più diversi.
Per ottenere vantaggi concreti dall’applicazione delle tecniche ML in ambito business è importante investire nella formazione e acquisire una buona conoscenza delle risorse disponibili in cloud con cui realizzare velocemente prototipi e applicazioni utili.
