Marco ha tre anni. Un giorno guarda un gatto e dice "cane". La mamma lo corregge: "no Marco, quello è un gatto, guarda le orecchie". Lo fa altre volte, con altre foto. Dopo un po', Marco indica un gatto che non ha mai visto prima e dice, giusto, "gatto".
Un'intelligenza artificiale impara più o meno allo stesso modo. Solo che al posto della mamma c'è chi costruisce l'algoritmo, e al posto di qualche decina di foto ce ne sono migliaia.
Come impara un bambino
Quando Marco sbaglia, qualcuno gli dice la risposta giusta e gli indica cosa guardare: le orecchie, i baffi, la forma del muso. Ogni correzione è un'etichetta: questa è "gatto", questa è "cane". Marco costruisce piano piano una regola nella sua testa, anche se non sa spiegarla a parole. Non gli serve vedere mille gatti. Gliene bastano pochi, insieme a chi lo corregge.
Come impara una macchina
Un algoritmo funziona con lo stesso principio, ma senza l'intuito di un bambino. Gli si mostrano migliaia di foto già etichettate, "gatto", "cane", "gatto", "cane", e lui cerca da solo uno schema che colleghi i pixel dell'immagine all'etichetta giusta. Non "capisce" cos'è un gatto come lo capiamo noi. Trova solo una regolarità che, statisticamente, funziona quasi sempre.
Questo si chiama apprendimento supervisionato: dataset etichettato, algoritmo che impara la mappatura tra domanda e risposta. È lo stesso principio dietro cose che usi già, tipo un'app che riconosce automaticamente le foto dei tuoi documenti dalle foto delle vacanze.
La differenza che nessuno spiega
Marco impara a riconoscere un gatto dopo aver visto pochi esempi veri, con qualcuno che lo guida. Un algoritmo di riconoscimento immagini ne vede spesso migliaia prima di sbagliare raramente. Noi impariamo con poco. Le macchine imparano con tanto. È il motivo per cui un bambino di tre anni resta, per ora, più bravo di qualsiasi IA a imparare cose nuove da pochissimi esempi.
E se nessuno etichetta niente?
C'è anche un altro modo di imparare, senza etichette. Immagina di dover sistemare un magazzino pieno di scatole diverse, senza che nessuno ti abbia detto come dividerle. Dopo un po' inizi comunque a raggrupparle per conto tuo: quelle simili per forma da una parte, quelle simili per peso dall'altra. Nessuno ti ha detto "questa categoria si chiama così". Hai trovato tu i gruppi.
Un algoritmo può fare la stessa cosa con i dati: si chiama apprendimento non supervisionato, e si usa per esempio per dividere i clienti di un negozio in gruppi simili, senza sapere in anticipo quali gruppi esistono davvero.
Studiando questo modulo del corso mi sono reso conto di una cosa: tutta la magia che sembra esserci dietro l'IA, alla fine, si riduce a due domande semplici. Chi ti ha corretto, e quante volte. La tecnologia cambia, questo principio di base no.
Newsletter gratuita
Dopo il magazzino
Ogni lunedì ti racconto la mia settimana con l'IA: cosa provo, cosa funziona e cosa no. Numeri veri, anche quelli scomodi, che non finiscono sul blog.
Iscriviti a Dopo il magazzino »
Sebastiano Guglielmi
Operaio di mattina. Autore e divulgatore IA di pomeriggio.