Il Machine Learning (ML) è un'area dell'intelligenza artificiale (AI) che consente ai programmi informatici di apprendere automaticamente e autonomamente dai dati. Cerca di costruire sistemi in grado di migliorare con l'esperienza nel tempo, senza essere specificatamente programmati per farlo. Il ML utilizza algoritmi che interpretano i dati e prendono decisioni in base alle informazioni disponibili.
Gli algoritmi ML utilizzano una varietà di metodi come l'apprendimento supervisionato, l'apprendimento non supervisionato, l'apprendimento per rinforzo e l'apprendimento profondo. L'apprendimento supervisionato prevede l'addestramento di una macchina per identificare modelli in un set di dati, che utilizza per generare previsioni su ulteriori dati. L’apprendimento non supervisionato cerca modelli nei dati e identifica i cluster in tali dati, nonché i valori anomali. L’apprendimento per rinforzo funziona fissando un obiettivo e fornendo ricompense per determinati risultati, incoraggiando la macchina a selezionare il risultato più appropriato per raggiungere quell’obiettivo. Il deep learning utilizza reti neurali artificiali costituite da più livelli per elaborare i dati.
Il machine learning ha molti usi pratici nell'industria, dalla previsione del comportamento dei clienti all'ottimizzazione delle catene di approvvigionamento. Viene sempre più utilizzato nelle applicazioni mediche, come nella diagnostica delle malattie, nonché nell'analisi dell'imaging medico. Viene utilizzato anche nel riconoscimento facciale, nel riconoscimento vocale, nell'elaborazione del linguaggio naturale, nella robotica e nei giochi.
Il machine learning è in continua evoluzione poiché i progettisti di software cercano di creare algoritmi migliori in grado di svolgere attività più complesse. Ciò è necessario per stare al passo con un settore in rapido avanzamento. Col passare del tempo, il machine learning è destinato a diventare ancora più importante nel mondo digitale.
