Deep Learning e Machine Learning. Stessa cosa?

C’è un sacco di confusione in questi giorni su Intelligenza Artificiale (AI), Machine Learning (ML) e Deep Learning (DL). Vi è certamente unenorme sciame di articoli su AI candidato a essere un punto di svolta competitivo e che le imprese dovrebbero cominciare ad esplorarne seriamente le opportunità. Le differenze tra intelligenza artificiale, ML e DL sono molto chiare per gli operatori in questi campi. AI è l’ombrello onnicomprensivo che copre tutto da Good Old Fashion AI (GOFAI) fino alle architetture connessioniste come Deep Learning. ML è un sotto-insieme di intelligenza artificiale che copre tutto ciò che ha a che fare con lo studio di algoritmi di apprendimento attraverso la formazione acquisita dai dati. Ci sono tutta una serie di tecniche che sono state sviluppate nel corso degli anni come Linear Regression, K-means, Decision Trees, Random Forest, PCA, SVM e finalmente Artificial Neural Networks (ANN). Artificial Neural Networks è dove il posto in cui Deep Learning ha avuto la sua genesi.

Alcuni professionisti ML che hanno avuto una precedente esperienza su Neural Networks (ANN dopo tutto è stato inventato nei primi anni ’60), potrebbe avere la prima impressione che Deep Learning non è altro che ANN con più livelli. Inoltre, il successo di DL è causato dalla disponibilità di un maggior numero di dati e la disponibilità di più potenti motori di calcolo come Graphic Processing Unit (GPU). Questo, naturalmente, è vero, l’emergere di DL è essenzialmente dovuta a questi due fattori, però la conclusione che DL è solo un algoritmo migliore di SVM o Decision Trees è simile a concentrarsi solo sugli alberi senza vedere la foresta.

DL ha dato luogo, nel corso degli ultimi anni, a una massiccia raccolta di idee e tecniche che erano in precedenza sconosciute o noto per essere insostenibili. In un primo momento questa raccolta di concetti, sembra essere frammentata e disparata. Tuttavia i modelli e le metodologie nel tempo cominciano ad emergere e stanno freneticamente cercando di coprire questo spazio in “Design Patterns di Deep Learning”.

Deep Learning oggi va oltre la semplice percezione multi-livello, ma invece è un insieme di tecniche e metodi che vengono utilizzati per la costruzione di architetture differenziabili componibili. Si tratta di sistemi di apprendimento automatico estremamente capace dei quali, solo in questo momento ne stiamo vedendo giusto la punta di un iceberg molto più grande. La chiave di tutto ciò è che, Deep Learning può apparire come l’alchimia di oggi, ma alla fine abbiamo imparato a praticarlo come la chimica. Cioè, avremmo una più solida base in modo da essere in grado di costruire le nostre macchine di apprendimento con una maggiore prevedibilità delle sue capacità.

A proposito, se siete interessati a scoprire come Deep Learning può aiutare al vostro lavoro, non esitate a lasciare la vostra e-mail all’indirizzo: www.intuitionmachine.com.

Avvia una discussione su questo tema per coinvolgere i lettori con le tue opinioni