Tag Archives: machine learning

di Valerio Eletti

Navigare o affogare nell’eccesso di informazione” è il titolo della mini-serie di incontri on line organizzati dal Complexity Education Project per il Festival della complessità 2021. Incontri che abbiamo chiamato “AperiCep”, per dare l’idea dell’atmosfera: un tavolo immaginario intorno a cui si incontrano amici per l’aperitivo; un ambiente leggero per affrontare insieme, confrontandoci, anche temi pesanti come quello delle minacce e delle opportunità che ci offrono gli ambienti digitali in cui siamo definitivamente immersi.

Credits immagine: V’Eletti 1985

La differenza fondamentale e irreversibile rispetto agli stessi ambienti di qualche decennio fa è che le informazioni, le notizie, i dati sono davverobig”: sono talmente tanti che nessun essere umano sarà mai più in grado di arrivare a conoscere tutte le cose scritte sugli argomenti che più lo interessano.

Noi esseri umani siamo infatti entità che si sono formate nel mondo degli small data, quando l’esperto di turno sapeva tutto sul suo argomento di studio. Oggi non è fisicamente più possibile.

 

Se sto scrivendo un saggio su un qualunque tema, trovo in rete tanti (troppi) contributi, che non avrò mai il tempo di leggere, valutare e selezionare; anche perché, mentre lo faccio, decine di nuovi contributi si aggiungeranno: è il mondo dell’abbondanza, bellezza, e tu non ci puoi fare niente. Niente! Anzi, puoi fare solo una cosa: ti devi affidare a strumenti che selezionino per te le cose che non puoi non leggere. Ti devi affidare ad algoritmi, a motori di ricerca, a reti neurali e a intelligenze artificiali che abbiano memoria pressoché infinita, velocità disumana e precisione da macchina esperta.

 

Ma sorge una domanda cruciale: chi e come progetta e realizza questi algoritmi, questi motori di ricerca, queste reti neurali, queste macchine che imparano?

Non sarebbe ora di esercitare il diritto/dovere di sapere come funzionano questi strumenti che condizionano i nostri studi, i nostri modi di vedere, i nostri punti di riferimento nel mondo che frequentiamo? E soprattutto non è il momento di capire su quali basi di dati e su quali criteri questi algoritmi agiscono a nostro nome?

Ma non solo: non abbiamo anche il diritto/dovere di capire quali dinamiche sociali scatena la nostra personale immersione in un ambiente così vasto, profondo, turbinoso, in continua e imprevedibile evoluzione?

 

Per rispondere a queste domande ed esplorare nuovi percorsi, è nata la mini-serie in due puntate all’interno del Festival della Complessità 2021.

Clicca qui per informazioni e registrazione ai web meeting del 18 e 25 maggio

 

 

Credits immagine copertina: freepik.com

In che modo le macchine, attraverso algoritmi, possono apprendere dall’esperienza e risolvere problemi non lineari supportando le decisioni umane?

G. Bruno Ronsivalle (professore di Tecnologie informatiche e multimediali all’Università di Verona, amministratore di WeMole, consulente scientifico dell’ABI e dell’Aeronautica Militare, esperto di “cervelli artificiali” basati su Reti Neurali) ne ha parlato lo scorso 19 maggio in “Reti complesse di neuroni e macchine che imparano“, la settima delle 10 lezioni sulla Complessità organizzate nel Maggio 2019 dal Complexity Education Project al Museo MACRO di Roma, all’interno del Festival della Complessità.

Per Saperne Di Più

MATLAB mette a disposizione un sito prezioso per conoscere meglio le basi del Machine Learning, con video-tutorial, webinar di approfondimento, e-book gratuiti.

Il Machine learning è un insieme di metodi nati per insegnare alle macchine ad apprendere dall’esperienza (proprio come accade per gli esseri umani). Si utilizzano algoritmi che imparano direttamente dai dati, senza partire da modelli pre-impostati, migliorando le loro performance in base alla quantità di informazioni messa a disposizione.

Per Saperne Di Più