La tecnologia Machine Learning, termine inglese la cui traduzione in italiano è apprendimento automatico, è un’applicazione dell’intelligenza artificiale che dona ai sistemi informatici la capacità d’imparare e di perfezionarsi in modo automatico dall’esperienza senza la necessità di essere programmati esplicitamente a tale scopo. In particolare, l’apprendimento automatico si basa sullo sviluppo di programmi per calcolatori elettronici che siano in grado non solo di accedere ai dati ma anche di elaborarli per apprendere in autonomia, quindi senza l’aiuto umano.
A tal proposito, in quale modo il sistema Machine Learning adempie le sue funzioni e come riuscirà a modificare la sfera lavorativa in futuro? Per risposta è utile leggere i paragrafi di approfondimento qui di seguito proposti sulla tecnologia Machine Learning: come funziona e come cambierà il mondo del lavoro!
Che cosa è il sistema Machine Learning?
Il sistema Machine Learning è un sottoinsieme dell’intelligenza artificiale che permette di analizzare enormi quantità di dati, soprattutto grazie ai progressi informatici e al calcolo parallelo, per estrarne degli schemi utili all’apprendimento automatico dei computer senza l’interferenza o l’aiuto dell’essere umano. In particolare, la combinazione dell’apprendimento automatico con le tecnologie cognitive e l’intelligenza artificiale ne aumenta ulteriormente l’efficacia nell’elaborazioni di grandi volumi di dati consentendogli di sfidare e superare l’intelligenza del cervello umano che, invece, è portato a scartare la maggior parte delle informazioni
Come funziona la tecnologia Machine Learning?
L’apprendimento automatico funziona tramite degli algoritmi, ossia dei procedimenti preimpostati per risolvere dei problemi, che vengono classificati in due principali gruppi: gli algoritmi supervisionati e gli algoritmi non supervisionati. Più nello specifico, gli algoritmi di Learning Machine con supervisione sono capaci di applicare a dei nuovi dati tutto ciò che è stato già imparato nel passato basandosi su degli esempi etichettati allo scopo di prevedere gli eventi futuri.
In particolare, questi algoritmi di apprendimento automatico con supervisione dopo aver analizzato un gruppo di dati di addestramento etichettati producono una funzione per calcolare delle previsioni sui valori di output. Inoltre, una volta che la formazione di tali algoritmi ha raggiunto i giusti livelli possono trovare nuovi obiettivi per ogni ulteriore input, fare confronti fra diversi dati di output, riscontrare errori e persino correggere il proprio modello. Un esempio di applicazione di questa forma di apprendimento automatico è il riconoscimento vocale di una certa persona da parte di un computer.
Per ciò che riguarda, invece, gli algoritmi di Learning Machine senza supervisione bisogna mettere in evidenza che vengono utilizzati quando le informazioni da elaborare per la loro formazione non sono né etichettate né classificate. Nello specifico, tali algoritmi studiano come i sistemi informatici possano calcolare una funzione che descriva una struttura nascosta da dati non etichettati esplorandoli e talvolta scoprendo delle interferenze con altri gruppi di dati. Un esempio di questo tipo di apprendimento automatico è l’elaborazione da parte del robot per fare la pulizia della teoria che sotto il letto vi sia della polvere confermata dai suoi dati di riscontro della presenza di polvere sul pavimento ogni settimana.
In aggiunta, il sistema Machine Learning funziona anche grazie agli algoritmi semi supervisionati, che sono in grado di elaborare per la loro formazione sia i dati di addestramento etichettati sia i dati che sono privi di etichetta, e agli algoritmi di rinforzo, che imparano a reagire all’ambiente circostante, ad esempio a giocare a scacchi.
In quale modo il sistema Machine Learning cambierà il mondo del lavoro?
Secondo diverse stime previsionali pare che il sistema Machine Learning potrebbe mettere a rischio l’occupazione di più del 30% dei lavoratori entro il 2030, soprattutto coloro che hanno poca istruzione scolastica o una bassa qualifica. Pertanto, l’apprendimento automatico assieme all’intelligenza artificiale potrebbe cambiare il futuro del mondo del lavoro in modo negativo costringendo i lavoratori a spostarsi spesso e a continuare a riqualificarsi. Tali cambiamenti nella sfera lavorativa dovrebbero riguardare, in particolare, i settori dell’assistenza telefonica, dello stoccaggio, del trasporto, della vendita al dettaglio e della produzione.
Comunque, la preparazione universitaria sull’apprendimento automatico, gli studi in ingegneria o il dottorato in robotica dovrebbero, al contrario, portare nuovi posti di lavoro entro il 2020 per le nuove generazioni, soprattutto nei settori del business, dell’informatica e delle tecnologie. Per di più difficilmente la tecnologia Machine Learning potrà sostituire quelle professioni che richiedono non solo creatività, empatia, pensiero cosciente e capacità di socializzare ma anche la reale comprensione delle diverse norme sociali, culturali ed etiche che contraddistinguono gli stati del pianeta.
Quindi, gli ingegneri, i commercialisti, gli scienziati, gli operatori sanitari, i manager, gli educatori, gli informatici, gli intrattenitori, gli operatori turistici e gli artisti non saranno facilmente sostituibili dall’apprendimento automatico. Più nello specifico, per quanto riguarda gli aspetti positivi del sistema Machine Learning nel mondo del lavoro bisogna porre l’accento della sua efficacia nella sfera degli affari. Ad esempio, attualmente tale tecnologie viene sfruttata:
– dalle banche per rilevare più velocemente e con maggior precisione le frodi;
– dai venditori per studiare le transazioni commerciali e prevedere i desideri dei clienti;
– dai social media per scoprire i contenuti offensivi, moderare lo spam e inviare agli utenti annunci pubblicitari diversificati per target e preferenze;
– dai medici per diagnosticare con maggior esattezza e rapidità le malattie dei loro pazienti;
– dai ricercatori universitari per prevedere i cambiamenti climatici, ecc.
