Cos'è il deep learning e perché ha cambiato l'AI
Il machine learning tradizionale aveva bisogno di una persona che decidesse quali caratteristiche guardare: per riconoscere una mela, il colore, la forma, la dimensione. Con il deep learning questo passaggio sparisce. Gli strati profondi della rete scoprono da soli quali dettagli contano.
Il prezzo da pagare sono tanti dati e tanta potenza di calcolo, soprattutto schede grafiche. Per questo il deep learning è esploso solo quando entrambi sono diventati abbondanti. Riconoscimento vocale, traduzione, visione artificiale e i grandi modelli linguistici nascono tutti da qui.
Un esempio in una PMI
Un caseificio vuole scartare le forme con difetti sulla crosta. Con un approccio classico servirebbe un tecnico che descrive ogni difetto possibile. Con il deep learning si fotografano molte forme buone e difettose, si etichettano, e il modello impara a distinguerle. Poi una telecamera sul nastro segnala quelle da controllare.
Gli errori più comuni
- Usare il deep learning per problemi semplici, dove una tabella di regole o una statistica di base basterebbero.
- Sottovalutare il lavoro di raccolta ed etichettatura dei dati, che spesso è la parte più lunga del progetto.
- Credere che un modello profondo sia infallibile: sbaglia anche lui, e spesso non dice perché.
Perché ti interessa
Non devi costruire reti neurali, ma sapere che quasi tutta l'AI che compri oggi è deep learning. Ti aiuta a capire perché servono esempi buoni e perché i risultati vanno sempre verificati.
Tutte le parole dell'AI spiegate semplici sono nel glossario.
Domande frequenti
Il deep learning e l'AI generativa sono la stessa cosa?
No. L'AI generativa è un uso del deep learning, quello che crea testi o immagini. Il deep learning serve anche a classificare, riconoscere e prevedere.
Posso usare il deep learning con pochi dati aziendali?
Spesso sì, partendo da un modello già addestrato e adattandolo con i tuoi esempi. Costruirne uno da zero richiede invece moltissimi dati.
Da leggere dopo
Cos'è una rete neurale e perché è dietro ogni AI moderna
Una rete neurale è un modello matematico fatto di tanti piccoli nodi collegati, che durante l'addestramento regolano i propri collegamenti per trasformare un dato in ingresso nel risultato giusto.
GlossarioCos'è il machine learning, spiegato senza formule
Il machine learning, o apprendimento automatico, è il modo di costruire programmi che imparano da esempi invece di seguire regole scritte a mano, e che si possono riaddestrare quando arrivano dati nuovi.
GlossarioCos'è l'addestramento di un modello AI
L'addestramento è la fase in cui un modello di AI impara da una grande quantità di esempi, regolando i propri parametri finché le sue risposte diventano corrette.
GlossarioCos'è l'intelligenza artificiale, spiegata a un titolare
L'intelligenza artificiale è l'insieme di tecniche che permettono a un software di svolgere compiti che di solito richiedono una persona: capire un testo, riconoscere un'immagine, prevedere un dato, decidere tra più opzioni. Non pensa come noi: impara regolarità dai dati e le applica a casi nuovi.
Vuoi capire cosa serve davvero alla tua azienda, senza gergo? Parliamone.
Testi e grafica realizzati con il supporto dell'AI. Metodo e contenuti sono di AIR.