• Vanessa

Pillole di Big Data e Machine Learning. Possiamo farne a meno?

I Big Data e il Machine Learning (o Apprendimento Automatico) sono diventate parole d'ordine che sentiamo pronunciare spesso. Andando a sviscerare la natura dei due concetti possiamo dire che se, in effetti, non si escludono a vicenda - anzi si intersecano in modi sempre più cruciali - ci sono alcune differenze chiave tra i Big Data e l'Apprendimento Automatico. Differenze che ogni professionista e azienda dovrebbe ben comprendere prima di intraprendere un qualsiasi progetto in questi ambiti ovvero prima di accantonarli.


Cosa sono i Big Data e la Big Data Analytics?


Quando parliamo di Big Data ci riferiamo all'enorme volume, varietà e qualità di dati prodotti da entità e individui ogni giorno. Il mondo è sempre stato una grande fabbrica di informazioni, ognuno di noi ne produce in grandi quantità, un acquisto, una foto, un messaggio, un viaggio, un commento, la scelta di un ristorante. Oggi, a differenza di quanto avvenuto finora, molte di queste informazioni sono acquisite e immagazzinate dai device che trasportiamo, indossiamo, con cui interagiamo. Come l’uomo, anche l’ambiente che ci circonda, il territorio e le infrastrutture, sono fonti continue di informazioni acquisite, oggi, solo in parte grazie a reti di “sensori” più o meno diffusi (Internet of Things), rilievi, ispezioni, ricerche.

Sono informazioni caratterizzate da grande varietà, quantità e, spesso, da grande velocità di variazione e “generazione”. Questo rende complesso qualsiasi processo di “estrazione” di conoscenza e valore.

Complesso ma dal potenziale inimmaginabile ed è per questo che il progetto Opensky basa tutto sulla creazioni di sistemi informativi dell’ambiente, costruito e non.

La Big Data Analysis è semplicemente il Processo mediante il quale raccogliamo, gestiamo e analizziamo questo ampio volume di dati. Lo Scopo di questo processo analitico è estrarre modelli in grado di rendere “informate” le decisioni e le strategie aziendali.


E il Machine Learning?


Se i Big Data rappresentano le informazioni a nostra disposizione, il Machine Learning descrive uno dei metodi per estrarne valore, per raggiungere lo Scopo.

L’Apprendimento Automatico è quella branca dell’Intelligenza Artificiale che mediante lo sviluppo e applicazione di metodi statistici riesce a trovare una logica o pattern nelle informazioni disponibili. Con il Machine Learning riusciamo, quindi, ad apprendere informazioni sul “comportamento” di un fenomeno semplicemente analizzando i risultati del fenomeno stesso e non il modello matematico che lo descrive.

Tra i metodi più efficaci oggi disponibili ci sono le Reti Neurali Artificiali.

Una Rete Neurale Artificiale ben definita è in grado di trovare una “logica” nelle informazioni storiche che descrivono un fenomeno (ad esempio input e output) ed essere in grado di predire il risultato del fenomeno una volta fornito un nuovo input. In generale più informazioni storiche fornisco alla Rete per definire la “logica di comportamento” (Autoapprendimento) migliore sarà la capacità del sistema di fare previsioni.

Tra le applicazioni di Machine Learning oggi più utilizzate ci sono il riconoscimento vocale (si pensi all’assistente Google, a Siri, Alexa, …), il riconoscimento della scrittura, il riconoscimento di immagini, la guida autonoma.


Possiamo farne a meno?


La risposta è semplice…….NO.

E’ sufficiente una considerazione. Quando parliamo di ambiente, costruito e non, parliamo sempre e comunque di un qualcosa governato da un fenomeno fisico per il quale input e output sono in qualche modo legati tra loro. Legame sempre descrivibile da modelli matematici che, tuttavia, spesso sono troppo complessi per essere definiti.

La prima domanda è…..possiamo ignorare un metodo che, se ben definito, riesce a fare previsioni su un fenomeno in maniera “empirica” ignorandone il modello matematico?

La seconda domanda è…..ma se il Machine Learning nelle applicazioni di nostro interesse riesce ad estrarre modelli realmente efficaci, quanto diventa importante la fase di acquisizione di informazioni in grandi quantità e di qualità per addestrare al meglio le Reti Neurali?


Le risposte nei commenti…..e nei prossimi articoli.

5 visualizzazioni

Post recenti

Mostra tutti

      2020   MG Servizi di Ingegneria S.r.l.

Via Tirso 90  -  00198 Roma IT

P.IVA 11067811007

info@mgingegneria.com

Privacy Policy

  • Facebook - Bianco Circle
  • Instagram - Bianco Circle
  • Blogger - Bianco Circle