C’è ancora molta confusione tra i concetti di apprendimento automatico e intelligenza artificiale. Molti si riferiscono infatti ancora all’AI e al Machine Learning come a concetti equivalenti e li utilizzano indifferentemente come nozioni parallele.
Ma l’apprendimento automatico è semplicemente un ramo dell’intelligenza artificiale, un sistema per ottenerla. Un modo in cui il software analizza i dati, ne riconosce le caratteristiche e “impara” dal loro esame.
Tom M. Mitchell, professore ed ex presidente del dipartimento di apprendimento automatico presso l’Università Carnegie Mellon, lo descrive come “lo studio degli algoritmi informatici che migliorano automaticamente attraverso l’esperienza”.
L’apprendimento automatico infatti si basa sull’analisi di grandi serie di dati, esaminati e confrontati per individuare modelli comuni. L’intelligenza artificiale invece riguarda tutte le macchine computazionali in grado di eseguire compiti caratteristici dell’intelligenza umana. Comprende una considerevole quantità di progressi tecnologici e l’apprendimento automatico è solo uno di questi.
Il termine “intelligenza artificiale” è stato concepito negli anni ‘50 da un gruppo di ricercatori tra cui Allen Newell e Herbert A. Simon. Da subito i ricercatori si mostrarono molto fiduciosi fino a quando negli anni ’70 iniziarono a incontrare serie difficoltà e gli investimenti subirono abbondanti riduzioni. Un periodo difficile, conosciuto come l’inverno dell’intelligenza artificiale, nonostante alcuni grandi successi come il sistema Deep Blue di IBM, un computer a parallelismo massivo in grado di calcolare 200 milioni di posizioni al secondo, che sconfisse in una memorabile sfida l’allora campione mondiale di scacchi.
L’apprendimento automatico ha raggiunto ultimamente notevoli traguardi in relazione all’intelligenza artificiale. Enormi quantità di dati raccolti da infinità di sensori presenti nell’Internet of Things, migliorano e continueranno sempre più a migliorare l’AI.
