Come impara una macchina? Una guida semplice al Machine Learning

In un precedente articolo sugli algoritmi, abbiamo visto che i computer sono macchine incredibilmente veloci, ma fondamentalmente “stupide”. Fanno solo ed esclusivamente quello che un programmatore umano dice loro di fare, seguendo una rigida ricetta passo dopo passo.

Eppure, oggi sentiamo parlare in continuazione di Intelligenze Artificiali che scrivono poesie, guidano automobili o riconoscono malattie da una radiografia. Chi ha scritto la “ricetta” infinita per insegnare a un computer a fare tutto questo?

La risposta è sorprendente: nessuno. È qui che entra in gioco la vera magia del nostro decennio: il Machine Learning (o Apprendimento Automatico).

Il grande ribaltamento: dai le risposte, troverà le regole

Per capire il Machine Learning, dobbiamo ribaltare completamente il modo in cui pensiamo all’informatica tradizionale.

• Informatica classica: L’umano inserisce i Dati e le Regole (l’algoritmo). Il computer elabora e restituisce le Risposte.

• Machine Learning: L’umano inserisce i Dati e le Risposte. Il computer elabora e scopre da solo le Regole.

Facciamo un esempio pratico. Come fai a spiegare a un computer cos’è un gatto? Se usassi l’informatica classica, dovresti scrivere un algoritmo lunghissimo: “Se l’immagine ha due triangoli in alto (le orecchie), ha dei baffi lunghi, una coda e il pelo… allora è un gatto”. Ma cosa succede se nella foto il gatto è girato di schiena e non si vedono i baffi? O se è un gatto senza pelo (Sphynx)? Il tuo algoritmo fallirebbe miseramente.

L’analogia del bambino e del gatto

Pensa a come impara un bambino piccolo. Nessun genitore gli consegna una lista scritta con le caratteristiche geometriche e biologiche dei felini. Gli mostra semplicemente tanti gatti: il gatto di casa, i gatti nei cartoni animati, i gatti nei libri illustrati. Ogni volta il genitore punta il dito e dice: “Gatto!”.

A forza di vedere esempi, il cervello del bambino “estrae” autonomamente il concetto di gatto. Anche se ne vede uno di una razza mai vista prima, o parzialmente nascosto sotto un divano, saprà riconoscerlo.

Il Machine Learning fa esattamente la stessa cosa. Invece di scrivere regole, diamo in pasto al computer milioni di foto. Ad alcune mettiamo l’etichetta “Gatto” (le risposte corrette), ad altre l’etichetta “Non gatto” (magari foto di cani, tavoli, nuvole).

Questa fase si chiama Addestramento (o Training). La macchina analizza milioni di pixel, cerca schemi ricorrenti (i famosi pattern) e, per tentativi ed errori, costruisce da sola la “regola” matematica per riconoscere un gatto.

Un cenno alle Reti Neurali (senza mal di testa)

Spesso, insieme al Machine Learning, sentirai nominare le Reti Neurali. Anche qui, il nome fa paura, ma il concetto di base è intuitivo. Sono i sistemi informatici su cui si basa l’apprendimento automatico più avanzato, ispirati vagamente alla struttura del nostro cervello.

Immagina una Rete Neurale visiva come una catena di montaggio composta da vari “strati” di operai molto specializzati:

1. Il primo strato guarda la foto e cerca solo linee dritte o curve.

2. Passa l’informazione al secondo strato, che unisce queste linee per trovare forme semplici (come cerchi o triangoli).

3. Il terzo strato unisce le forme per riconoscere elementi complessi (un occhio, un orecchio).

4. L’ultimo strato mette insieme tutto e decreta: “Sono sicuro all’85% che questo sia un gatto”.

Perché questa differenza ci cambia la vita?

Capire la differenza tra un software classico e il Machine Learning ci permette di guardare la tecnologia con occhi nuovi. Ci fa capire perché Spotify è così bravo a proporci canzoni che ci piacciono (sta imparando dai dati di milioni di utenti), o perché i filtri anti-spam delle nostre email sono sempre più precisi.

Non c’è uno scienziato pazzo in un laboratorio che sta insegnando alle macchine a dominare il mondo. Ci sono semplicemente enormi quantità di dati, una grande potenza di calcolo, e macchine progettate per imparare dall’esperienza, proprio come facciamo noi fin da bambini.

Esercizio Pratico: Addestra la tua prima Intelligenza Artificiale in 3 minuti!

Abbiamo detto che nel Machine Learning le macchine imparano dagli esempi. Non ci credi? Proviamo a farlo insieme! Useremo uno strumento educativo e gratuito chiamato Teachable Machine (creato da Google), che usa la tua webcam per imparare a riconoscere gli oggetti.

Vai sul sito teachablemachine.withgoogle.com e clicca su “Get Started”, poi scegli “Image Project” e infine “Standard image model”. Ora segui questi 3 passaggi:

Step 1: Fornisci i Dati (Le etichette)
Sullo schermo vedrai due blocchi chiamati Class 1 e Class 2. Rinomina il primo in “Mano vuota” e il secondo in “Mano con penna”. Clicca sul pulsante della webcam nel primo blocco e registra qualche secondo di video della tua mano vuota muovendola un po’. Poi fai lo stesso nel secondo blocco, ma tenendo in mano una penna. Cosa stai facendo? Stai fornendo alla macchina gli “esempi” etichettati, proprio come facevamo con le foto dei gatti!

Step 2: L’Addestramento (Il training)
Clicca sul pulsante centrale “Train Model” (Addestra il modello). Aspetta qualche secondo. Non cambiare scheda mentre carica! Cosa sta succedendo? La macchina sta analizzando tutti i pixel delle tue immagini per trovare la “regola matematica” che distingue la mano vuota da quella con la penna.

Step 3: Mettila alla prova!
Sulla destra dello schermo apparirà l’anteprima della tua webcam con delle barre percentuali sotto. Metti la mano vuota davanti all’obiettivo, poi prendi la penna e guarda come le percentuali schizzano su o giù in tempo reale! La macchina ha imparato!

La riflessione finale: Cosa succede se metti davanti alla webcam un oggetto che non le hai mai mostrato, ad esempio una tazzina da caffè? Noterai che la macchina andrà in confusione o cercherà di indovinare a caso. Questo ci insegna la regola d’oro del Machine Learning: un’Intelligenza Artificiale è intelligente solo quanto i dati che le abbiamo fornito per imparare!