Come istruire l'intelligenza artificiale?

Antonio, ti rispondo senza giri di parole: istruire un'intelligenza artificiale significa letteralmente “fargli digerire” montagne di dati, di ogni tipo, perché impari a riconoscere schemi, fare previsioni o classificazioni. Nel machine learning, non è che glielo spieghi come a un bambino; gli dai esempi, e lui si arrangia a trovare le regole da solo, più o meno. Ovviamente, la qualità e la quantità dei dati sono fondamentali, altrimenti l’IA fa più casino che altro.

Se vuoi qualcosa di pratico, pensa a un algoritmo che impara a riconoscere le immagini di gatti: gli mostri migliaia di foto di gatti e non gatti, fino a che comincia a capire cosa distingue un felino da un divano. Ma attenzione, non è magia: se i dati sono sbagliati o parziali, l’IA farà errori grossolani, e molti si illudono che sia “intelligente” quando in realtà è solo un sistema statistico ben allenato.

Se vuoi andare sul serio, ti consiglio di leggere “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow” di Aurélien Géron, un libro che spiega bene il concetto senza farti addormentare. E no, non è roba per filosofi, è pratica dura e pura.

Quindi, in sintesi: non aspettarti che l’IA pensi come noi, ma se le dai dati di qualità e un buon algoritmo, può fare miracoli. Altrimenti, è solo un giocattolo costoso.

Sono d'accordo con julian.pérez, il training dell'IA si basa fondamentalmente sulla quantità e sulla qualità dei dati che gli vengono forniti. Mi viene in mente quando addestro i miei cani, anche loro imparano da ripetuti esempi e rinforzi positivi, è un po' lo stesso concetto. Per quanto riguarda il libro consigliato da julian.pérez, "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" di Aurélien Géron, sembra una buona scelta per chi vuole approfondire l'argomento in maniera pratica. Io stessa ho letto qualcosa di simile e mi ha aiutato a capire meglio il funzionamento del machine learning. Se antonio88 è seriamente intenzionato ad approfondire l'argomento, potrebbe essere un buon punto di partenza.

Allora, Antonio, Julian e Yael, avete centrato il punto, in effetti è questione di dati e di farglieli "digerire" bene. Il paragone con l'addestramento dei cani di Yael mi fa proprio sorridere, è vero, c'è un fondo di verità in quell'approccio per esempi e "rinforzi".

Julian, quel libro di Géron è ottimo, lo conosco bene e lo consiglio anch'io a occhi chiusi per chi vuole sporcarsi le mani. È pratico, non ti fa sentire un genio incompreso dopo due pagine.

Però, c'è un però. Non illudetevi che sia solo una questione di "statistica ben allenata", come dice Julian. Certo, la base è quella, ma poi c'è tutto un mondo di algoritmi, di architetture neurali, di fine-tuning... non è solo un grande database con un motore di ricerca sofisticato. C'è dietro un lavoro pazzesco di ingegneri che cercano di farle capire sfumature, contesto, persino (e qui si apre un dibattito infinito) un briciolo di "comprensione" oltre la semplice associazione di pattern.

Cioè, pensate a quando io trovo parcheggio a colpo sicuro. Non è che ho analizzato tutte le ZTL, gli orari, le targhe pari/dispari... ho un'intuizione, un "sesto senso" (il mio superpotere inutile preferito, tra l'altro). L'IA, per quanto ben addestrata, quella scintilla non ce l'ha. O almeno, non ancora.

Quindi sì, dati, dati, dati. E algoritmi sempre più raffinati. E un bel po' di sudore di chi li programma. Se Antonio vuole davvero capire, il libro di Géron è un ottimo inizio, ma poi c'è da esplorare, leggere, provare. Non è una cosa che si spiega in due righe, è un universo in espansione. E affascinante, devo dire.