Glossario

Apprendimento automatico

Che cos’è Apprendimento automatico?

L’apprendimento automatico (machine learning) è un ambito dell’intelligenza artificiale in cui i computer ricavano schemi dai dati invece di ricevere ogni regola programmata in modo esplicito. A seconda del compito, i modelli imparano da esempi etichettati (supervisionato), da dati non etichettati (non supervisionato) o tramite ricompense (per rinforzo). Le applicazioni vanno dai filtri antispam alle previsioni della domanda fino ai suggerimenti di prodotto. La qualità dipende molto da quantità e qualità dei dati di addestramento.

Temi

fondamenti
IA
dati

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Deep learning

Il deep learning (apprendimento profondo) è un ramo del machine learning che utilizza reti neurali artificiali con molti strati. Queste reti imparano da grandi quantità di dati quali caratteristiche sono rilevanti, dai bordi nelle immagini ai legami di significato nei testi. Il deep learning è alla base degli attuali modelli linguistici, del riconoscimento di immagini e voce e della traduzione automatica, e di solito richiede molta potenza di calcolo e molti dati di addestramento.

reti neurali
machine learning
+1

Apprendimento supervisionato

Nell'apprendimento supervisionato un modello impara da esempi di cui si conosce già la risposta corretta, ad esempio e-mail etichettate come «spam» o «non spam». Da questi ricava regole per classificare casi nuovi o prevedere valori. Compiti tipici sono la classificazione e la regressione; lo sforzo principale sta nel preparare dati etichettati con cura.

Machine learning
Addestramento
+1

Apprendimento non supervisionato

Nell'apprendimento non supervisionato un modello riceve dati senza risposte corrette predefinite e cerca da solo delle strutture. Metodi tipici sono il clustering, che raggruppa record simili, e la riduzione della dimensionalità, che condensa molte caratteristiche in poche essenziali. Le aziende lo usano per scoprire segmenti di clientela o individuare transazioni insolite; i gruppi trovati vanno poi interpretati da esperti.

Machine learning
Clustering
+1

Apprendimento per rinforzo (RL)

L'apprendimento per rinforzo (reinforcement learning) è un ramo dell'apprendimento automatico in cui un agente impara per tentativi ed errori. Agisce in un ambiente, riceve ricompense per i buoni risultati e penalità per quelli cattivi, e sviluppa così una strategia che massimizza il beneficio complessivo. Esempi noti sono i programmi che padroneggiano giochi da tavolo come il Go, il controllo di robot e l'affinamento dei modelli linguistici sulla base di valutazioni umane.

metodo di apprendimento
ricompensa
+1