Apprendimento automatico

Cos’è l’apprendimento automatico?

L’apprendimento automatico è il concetto che un programma per computer può apprendere e adattarsi a nuovi dati senza intervento umano. L’apprendimento automatico è un campo dell’intelligenza artificiale (AI) che mantiene aggiornati gli algoritmi incorporati di un computer indipendentemente dai cambiamenti nell’economia mondiale.

Punti chiave

• L’apprendimento automatico è un’area dell’intelligenza artificiale (AI) con un concetto che un programma per computer può apprendere e adattarsi a nuovi dati senza intervento umano.
• Un algoritmo complesso o codice sorgente è integrato in un computer che consente alla macchina di identificare i dati e costruire previsioni sui dati che identifica.
• L’apprendimento automatico è utile per analizzare l’immensa quantità di informazioni che sono costantemente e prontamente disponibili nel mondo per assistere nel processo decisionale.
• L’apprendimento automatico può essere applicato in una varietà di aree, come investimenti, pubblicità, prestiti, organizzazione di notizie, rilevamento di frodi e altro ancora.

Capire il machine learning

Vari settori dell’economia hanno a che fare con enormi quantità di dati disponibili in diversi formati da fonti disparate. L’enorme quantità di dati, nota come big data, sta diventando facilmente disponibile e accessibile grazie all’uso progressivo della tecnologia, in particolare capacità di elaborazione avanzate e archiviazione cloud. Aziende e governi si rendono conto delle enormi intuizioni che si possono ottenere sfruttando i big data, ma mancano delle risorse e del tempo necessari per setacciare la sua ricchezza di informazioni. Pertanto, le misure di intelligenza artificiale vengono utilizzate da diversi settori per raccogliere, elaborare, comunicare e condividere informazioni utili dai set di dati. Un metodo di intelligenza artificiale sempre più utilizzato per l’elaborazione dei big data è l’apprendimento automatico.

Le varie applicazioni dati dell’apprendimento automatico sono formate da un algoritmo complesso o un codice sorgente integrato nella macchina o nel computer. Questo codice di programmazione crea un modello che identifica i dati e costruisce previsioni attorno ai dati che identifica. Il modello utilizza parametri incorporati nell’algoritmo per formare modelli per il suo processo decisionale. Quando sono disponibili dati nuovi o aggiuntivi, l’algoritmo regola automaticamente i parametri per verificare l’eventuale modifica del pattern. Tuttavia, il modello non dovrebbe cambiare.

Usi dell’apprendimento automatico

L’apprendimento automatico viene utilizzato in diversi settori per vari motivi. I sistemi di trading possono essere calibrati per identificare nuove opportunità di investimento. Le piattaforme di marketing e di e-commerce possono essere ottimizzate per fornire raccomandazioni accurate e personalizzate ai propri utenti in base alla cronologia delle ricerche Internet degli utenti o alle transazioni precedenti. Gli istituti di credito possono incorporare l’apprendimento automatico per prevedere i crediti inesigibili e creare un modello di rischio di credito. Gli hub di informazioni possono utilizzare l’apprendimento automatico per coprire enormi quantità di notizie da tutti gli angoli del mondo. Le banche possono creare strumenti di rilevamento delle frodi dalle tecniche di apprendimento automatico. L’incorporazione dell’apprendimento automatico nell’era del digitale è infinita poiché le aziende e i governi diventano più consapevoli delle opportunità offerte dai big data.

Applicazione del machine learning

Il funzionamento dell’apprendimento automatico può essere spiegato meglio da un’illustrazione nel mondo finanziario. Tradizionalmente, gli attori degli investimenti nel mercato dei titoli come ricercatori finanziari, analisti, gestori patrimoniali e investitori individuali setacciano molte informazioni da diverse società in tutto il mondo per prendere decisioni di investimento redditizie. Tuttavia, alcune informazioni pertinenti potrebbero non essere ampiamente pubblicizzate dai media e potrebbero essere a conoscenza solo di pochi eletti che hanno il vantaggio di essere dipendenti dell’azienda o residenti nel paese da cui provengono le informazioni. Inoltre, ci sono solo così tante informazioni che gli esseri umani possono raccogliere ed elaborare in un dato periodo di tempo. È qui che entra in gioco l’apprendimento automatico.

Una società di gestione patrimoniale può utilizzare l’apprendimento automatico nella sua area di ricerca e analisi degli investimenti. Supponiamo che il gestore patrimoniale investa solo in azioni minerarie. Il modello integrato nel sistema esegue la scansione del Web e raccoglie tutti i tipi di eventi di notizie da aziende, industrie, città e paesi e queste informazioni raccolte costituiscono il set di dati. I gestori patrimoniali ei ricercatori dell’azienda non sarebbero stati in grado di ottenere le informazioni nel set di dati utilizzando i loro poteri e intelletti umani. I parametri costruiti insieme al modello estraggono dal set di dati solo i dati sulle società minerarie, le politiche normative sul settore dell’esplorazione e gli eventi politici in paesi selezionati.

Esempio di machine learning

Supponiamo che la società mineraria XYZ abbia appena scoperto una miniera di diamanti in una piccola città in Sud Africa. Uno strumento di machine learning nelle mani di un asset manager che si concentra sulle società minerarie lo evidenzierebbe come dati rilevanti. Il modello nello strumento di apprendimento automatico utilizzerebbe quindi uno strumento di analisi chiamato analisi predittiva per fare previsioni sul fatto che l’industria mineraria sarà redditizia per un periodo di tempo o quali azioni minerarie aumenteranno di valore in un determinato momento, in base al informazioni recenti scoperte, senza alcun input da parte del gestore patrimoniale. Queste informazioni vengono trasmesse al gestore patrimoniale per analizzare e prendere una decisione per il proprio portafoglio. Il gestore patrimoniale può quindi decidere di investire milioni di dollari in azioni XYZ.

Sulla scia di un evento sfavorevole, come lo sciopero dei minatori sudafricani, l’algoritmo del computer regola automaticamente i suoi parametri per creare un nuovo modello. In questo modo, il modello computazionale integrato nella macchina rimane aggiornato anche con i cambiamenti negli eventi mondiali e senza la necessità di un essere umano per modificare il suo codice per riflettere i cambiamenti. Poiché il gestore patrimoniale ha ricevuto questi nuovi dati in tempo, è in grado di limitare le perdite uscendo dal magazzino.