Quando il machine learning lo fa meglio

machine learning - macchine stupide
Le macchine sono stupide. Questo è un assioma.

Eppure in alcuni ambiti applicativi con il machine learning si ottengono dei risultati incredibili; matematica e statistica che sfidano la cognizione di un cervello umano trovando link e correlazioni li dove una persona con tutta probabilità non vedrebbe assolutamente nulla.  Quantitativi di dati impossibili da analizzare per qualsiasi team di ricerca tradizionale diventano invece il pane quotidiano degli algoritmi di machine learning.

In molti tipi di analisi l’obiettivo della macchina non è quello  di  cercare nei dati conferma di una teoria, si cerca piuttosto di formularne di nuove basandosi su relazioni causa/effetto che sfuggono alla statistica tradizionale ma possono essere colte da un algoritmo di machine learning ben progettato.

L’approccio migliore per questo tipo di analisi è il machine learning passivo. La macchina non richiede altri input oltre al set di dati iniziali, non ha bisogno di un “istruttore” che indichi se un risultato sia piu’ o meno corretto. Lo scopo proposto è quello di evidenziare relazioni statistiche rilevanti e utilizzarli per trarne conclusioni sulla loro natura.

Un’esempio pratico? L’analisi di dati medici. Un algoritmo di machine learning chiamato ad analizzare cartelle cliniche e referti di migliaia di pazienti può trovare relazioni causa/effetto interessanti che con tutta probabilità sono sfugiti ai medici. Se si rapportano questo genere dati medici a dati genetici complessi l’analisi si fa ancora piu’ interessante e le corrispondenze che ne vengono fuori possono fare la differenza per la ricerca medica in questo ambito.

Ci sono situazioni nelle quali escludendo coscienza e cognizione tradizionale una macchina lo fa meglio!