Dimentica quello che potresti aver sentito. Il machine learning non è un concetto nuovo o uno studio ai suoi inizi.

Se vogliamo essere tecnici, il machine learning esiste in realtà dagli anni '50, quando Arthur Samuel coniò il termine presso IBM. I primi modelli statistici di quei giorni hanno aperto la strada all'intelligenza artificiale moderna di oggi.

Al contrario, mentre il machine learning di oggi è anni luce avanti rispetto a quello che era, c'è sempre spazio per miglioramenti.

Con i progressi negli algoritmi, nella modellazione statistica e nel calcolo, il machine learning diventerà solo più efficiente. E mentre non è sempre facile prevedere come sarà questa efficienza, alcuni esperti hanno un'idea.

Quindi, abbiamo chiesto a 5 persone con una conoscenza approfondita del machine learning le loro opinioni sul suo futuro. Vediamo cosa avevano da dire.

Futuro del machine learning

A seconda di quanto bene comprendi il machine learning, alcuni di questi approfondimenti potrebbero sembrarti familiari, altri potrebbero esporti a nuove idee.

Indipendentemente da ciò, puoi saltare direttamente a un approfondimento che suscita il tuo interesse cliccando su uno dei 5 link qui sotto:

1. Personalizzazione su misura
2. Esperienze migliori con i motori di ricerca
3. Evoluzione dei team di dati
4. Ambienti senza codice
5. Ascesa del calcolo quantistico

1. Personalizzazione su misura

Ben Wald, Co-Fondatore & VP di Implementazione Soluzioni presso Very

Il machine learning può essere un metodo di analisi dei dati, tuttavia, sta influenzando costantemente la vita di coloro che possiedono dispositivi IoT come smartwatch, telefoni, auto e altro. Ecco cosa ha detto Ben sulla relazione unica tra machine learning e consumatori.

“Con il 90 percento di tutti i dati generati negli ultimi due anni, gran parte di essi cresce da una serie di dispositivi intelligenti che connettono i nostri telefoni, polsi e case. Di conseguenza, le aziende hanno più modi che mai per costruire relazioni con i loro clienti.

Utilizzando il machine learning, le aziende possono affinare la loro comprensione del loro pubblico target per informare lo sviluppo del prodotto, il marketing e le vendite. Con algoritmi per analizzare esattamente come vengono utilizzati i loro prodotti, sviluppatori e designer possono personalizzare i prodotti in modo molto più preciso che mai, massimizzando il valore sia per l'azienda che per il consumatore.”

Con più progressi negli algoritmi di machine learning, inizieremo a vedere un targeting iper-specifico e una personalizzazione su misura per i clienti su una scala più ampia.

2. Esperienze migliori con i motori di ricerca

Dorit Zilbershot, Chief Product Officer presso Attivio

Potresti non esserne consapevole quando scorri su Google alla ricerca di un articolo, ma il posizionamento di quei risultati è fatto con uno scopo. Ultimamente, il machine learning ha avuto un'enorme influenza sui risultati dei motori di ricerca. Dorit è qui per spiegare ulteriormente.

“I motori di ricerca miglioreranno sia l'esperienza dell'utente che quella dell'amministratore a passi da gigante nei prossimi anni. Con ulteriore sviluppo di reti neurali e deep learning, i motori di ricerca del futuro saranno molto migliori nel fornire risposte e approfondimenti altamente rilevanti per l'utente che sta cercando.

In questo momento, siamo davvero bravi a capire quali risultati dovrebbero essere serviti in base al profilo dell'utente e alla query. Tuttavia, questo processo richiede ancora configurazioni manuali e comprensione di come funzionano i motori di ricerca. In futuro, i risultati saranno adattati ancora più da vicino all'individuo in base alle loro interazioni passate, preferenze e le parole che hanno usato senza alcuna amministrazione manuale. Diventeremo anche proattivi nell'avvisare le persone su potenziali problemi prima che si verifichino e forniremo raccomandazioni attuabili per garantire un'operazione fluida e un'eccellente esperienza di ricerca.”

Con sempre più contenuti pubblicati ogni secondo del giorno, sarà interessante vedere i modi in cui gli algoritmi di machine learning continueranno a ottimizzare i risultati di ricerca con l'utente in mente.

3. Evoluzione dei team di dati

Henrique Senra, VP di Sviluppo Prodotto presso SlicingDice

Non è raro che i team IT e di dati siano appesantiti da compiti di programmazione e sistematici. Tuttavia, Henrique crede che ulteriori progressi nel machine learning aiuteranno a evolvere il quotidiano di questi team.

“È quasi impossibile prevedere il futuro del ML e dell'AI. Se avessi detto agli esperti di tecnologia 20 anni fa cosa potremmo fare con il ML oggi, probabilmente sarebbero stati scettici, per non dire altro.

Ci sono, tuttavia, certe tendenze su come il ML viene utilizzato oggi e come quei casi evolveranno nel prossimo futuro. Il ML sarà uno degli strumenti fondamentali per sviluppare e mantenere applicazioni digitali nei prossimi anni. Questo significa che i team IT/dati passeranno meno tempo a programmare e aggiornare le applicazioni, ma piuttosto a farle apprendere e migliorare continuamente le loro operazioni.”

Porterò l'intuizione di Henrique un passo avanti e dirò che una maggiore automazione dei processi robotici intelligenti – con l'aiuto del machine learning – ridurrà il numero di compiti ridondanti svolti dai programmatori. Leggi la nostra guida per principianti su automazione dei processi robotici se non ne sei ancora familiare.

4. Ambienti senza codice

Tony Fader, Sviluppatore Software ML/NLP presso AppSheet

Il machine learning è destinato a evolvere i compiti dei team di dati, ma sarà anche più accessibile a una gamma più ampia di pubblici. Mi riferisco agli ambienti a basso o nessun codice. Ecco cosa dice Tony su questo fenomeno più recente.

“Il machine learning diventerà solo un'altra parte dell'ingegneria del software. I framework open-source come Tensorflow, Keras e PyTorch non solo hanno standardizzato il modo in cui le persone implementano gli algoritmi di machine learning, ma hanno anche rimosso i prerequisiti per farlo. Non hai bisogno di un dottorato per fare machine learning, devi solo scaricare alcuni pacchetti e seguire un corso online per metterti al passo. Aziende come la nostra stanno facendo un passo ulteriore e permettendo a chiunque (non solo ai programmatori) di utilizzare il machine learning senza codice nelle loro app su misura.”

Questo può sembrare un'utopia, ma con così tanta infrastruttura, dataset e strumenti disponibili oggi, questi tipi di ambienti stanno lentamente ma sicuramente prendendo piede. Dai un'occhiata alla guida completa del nostro team di ricerca sulle differenze tra sviluppo a basso codice e senza codice per ulteriori informazioni.

5. Ascesa del calcolo quantistico

Matt Reaney, Fondatore & CEO di Big Cloud

Potresti aver sentito parlare del calcolo quantistico nei film di fantascienza, ma questa disciplina è molto reale. Non c'è davvero un modo semplice per definire il calcolo quantistico se non che gli algoritmi quantistici hanno il potenziale per portare a molte altre innovazioni. Sentiamo cosa dice Matt sul calcolo quantistico.

“Il calcolo quantistico giocherà un ruolo enorme nel futuro del machine learning. L'integrazione del calcolo quantistico nel machine learning trasformerà il campo poiché vedremo un'elaborazione più veloce, un apprendimento accelerato e capacità aumentate. Questo significa che problemi complessi che non abbiamo la capacità di risolvere con i metodi attuali potrebbero essere risolti in una piccola frazione di tempo. Il potenziale per questo è enorme e potrebbe influenzare milioni di vite in meglio – in particolare nella sanità e nella medicina.”

Al momento, non ci sono hardware o algoritmi quantistici pronti per il commercio disponibili. Tuttavia, molte agenzie governative e istituti di ricerca hanno investito milioni per far decollare il calcolo quantistico.

Menzioni d'onore

C'erano così tanti punti di discussione interessanti dai nostri collaboratori, volevo solo toccarne alcuni altri prima di concludere.

“L'inverno dell'AI è all'orizzonte”

L'inverno sta arrivando, secondo Tony di AppSheets. Tony menziona che l'estate dell'AI – cioè un periodo di alte aspettative e grandi round di finanziamento per startup abilitate all'AI – si raffredderà presto.

• Lo svantaggio? Titoli di giornale pieni di parole d'ordine su robot simili agli umani saranno meno frequenti – portando i lettori a credere che l'AI e il machine learning siano diventati obsoleti.
• Il vantaggio? Tony dice che verranno fatti più progressi simili a fogli di calcolo, e saranno altrettanto trasformativi.

“Bot auto-apprendenti”

Alexandra Zelenka, Scrittrice Tecnica di DDI Development, afferma che man mano che il machine learning diventa più sofisticato, vedremo un uso crescente di robot intelligenti. Naturalmente, questo dipende anche dal ritmo di come progrediscono le reti neurali artificiali e il deep learning.

Indipendentemente da ciò, la robotica giocherà senza dubbio un ruolo sempre più importante nel rendere le nostre vite più facili attraverso l'automazione. Dai droni intelligenti ai robot di produzione, questo sarà reso possibile con l'aiuto dell'apprendimento non supervisionato.

Conclusione

In G2, amiamo raccogliere intuizioni da esperti del settore, specialmente quando si tratta di qualcosa di così fondamentale per l'innovazione tecnologica come il machine learning. Grazie ancora ai nostri collaboratori per aver portato le idee attuali sul machine learning un passo avanti e per aver introdotto anche alcune nuove idee.

Unisciti alla nostra rete

Vuoi condividere la tua intuizione su argomenti come questo? Unisciti alla nostra rete di collaboratori e raggiungi più di 1 milione di visitatori al G2 Learn Hub.