Machine learning
Il machine learning, o apprendimento automatico, è la branca dell'intelligenza artificiale in cui un sistema impara a svolgere un compito analizzando dati, invece di seguire regole scritte da un programmatore. Il modello individua schemi nei dati di addestramento e li usa per fare previsioni o decisioni su dati nuovi.
Cos’è il machine learning e come funziona
In un programma tradizionale lo sviluppatore scrive le regole e il computer le applica ai dati. Nel machine learning accade il contrario: si forniscono i dati e i risultati attesi, e un algoritmo ricava le regole. Il risultato dell’addestramento è un modello, che si usa poi su dati mai visti per produrre una previsione.
Il processo ha quattro fasi: raccolta e pulizia dei dati, addestramento del modello, verifica su dati tenuti da parte e messa in produzione con monitoraggio nel tempo. Un modello va controllato e riaddestrato, perché i dati reali cambiano.
I tre approcci principali del machine learning
- Apprendimento supervisionato: i dati di addestramento hanno già la risposta corretta. Serve per classificare, ad esempio un messaggio come spam, e per prevedere valori, come una domanda di mercato.
- Apprendimento non supervisionato: i dati non hanno etichette e il modello cerca da solo gruppi e strutture, come i segmenti di clientela.
- Apprendimento per rinforzo: il sistema prova azioni e riceve premi o penalità, e impara la strategia migliore. Si usa in robotica e nei giochi.
Applicazioni del machine learning
Le imprese lo usano per prevedere vendite e scorte, individuare frodi, stimare la probabilità che un cliente abbandoni il servizio, consigliare prodotti, pianificare la manutenzione dei macchinari e classificare documenti. Molte funzioni di elaborazione del linguaggio naturale e di computer vision si basano su di esso.
Differenza tra machine learning, deep learning e intelligenza artificiale
L’intelligenza artificiale è il campo più ampio. Il machine learning ne è una parte, perché comprende i metodi che imparano dai dati. Il deep learning è a sua volta una parte del machine learning, basata su reti neurali con molti strati.
Limiti del machine learning
Un modello dipende dalla qualità dei dati: se sono pochi, sbilanciati o pieni di errori, anche le previsioni lo saranno. Esiste il rischio di sovraddestramento, quando il modello memorizza i dati invece di imparare una regola generale. Alcuni modelli sono difficili da spiegare, e questo conta quando le decisioni incidono sulle persone.
Come si valuta un modello di machine learning
I dati si dividono in tre parti: addestramento, validazione per scegliere i parametri e test per la verifica finale. Per i modelli di classificazione si misurano accuratezza, precisione, richiamo e punteggio F1. Per le previsioni numeriche si usano errori medi come MAE e RMSE. Un modello molto preciso sui dati di addestramento e scarso su quelli nuovi soffre di sovraddestramento. Un altro rischio è la fuga di informazioni dal test all’addestramento, che gonfia i risultati.
Gli algoritmi di machine learning più usati
La regressione lineare prevede un valore numerico, come le vendite del mese, e la regressione logistica stima la probabilità di un evento, come l’abbandono di un cliente. Gli alberi decisionali dividono i dati con una serie di domande, e le foreste casuali ne combinano molti per ottenere risultati più stabili. Il gradient boosting costruisce alberi in sequenza, ciascuno corretto sugli errori del precedente, ed è tra i metodi più accurati sui dati tabellari. K-means raggruppa elementi simili senza etichette, mentre le reti neurali gestiscono immagini, suoni e testi.
Come si preparano i dati
Il lavoro sui dati occupa gran parte di un progetto. Si eliminano i duplicati, si decide come trattare i valori mancanti, si correggono gli errori di inserimento e si costruiscono le variabili utili al modello, per esempio ricavando dal giorno di acquisto il mese o il giorno della settimana. Si controlla che le categorie da prevedere non siano troppo sbilanciate, e che i dati non contengano informazioni che nella realtà non sarebbero disponibili al momento della previsione. Quando i dati sono personali, vanno rispettate le regole del GDPR.
Dal modello alla produzione: MLOps
Un modello che funziona in un quaderno di prova non è ancora un servizio. L’insieme di pratiche per portarlo in produzione e mantenerlo si chiama MLOps, e unisce metodi di DevOps e gestione dei dati. Prevede di versionare dati, codice e modelli, di rendere riproducibile l’addestramento, di rendere il modello disponibile tramite un’API e di monitorarne la qualità. Con il tempo i dati cambiano e le previsioni peggiorano, un fenomeno detto deriva dei dati, e il modello va riaddestrato.
Machine learning e spiegabilità
Alcuni modelli, come la regressione lineare e gli alberi decisionali poco profondi, si leggono con facilità: si vede quali variabili pesano e in che direzione. Altri, come le reti neurali e i modelli ad alberi molto numerosi, richiedono tecniche di spiegazione a posteriori, come SHAP e LIME, che stimano il contributo di ogni variabile a una singola previsione. La spiegabilità conta quando la decisione riguarda persone, come nel credito o nella selezione del personale, perché il GDPR e il regolamento europeo sull’intelligenza artificiale chiedono trasparenza e controllo umano.