Se hai usato Google, Spotify o Uber la scorsa settimana, hai interagito con prodotti che utilizzano l'apprendimento automatico.

L'apprendimento automatico, un sottoinsieme dell'intelligenza artificiale, utilizza algoritmi e modelli statistici per addestrare le macchine a svolgere compiti e trovare schemi senza guida. Per quanto riguarda i nostri esempi sopra, questi compiti sono cose come raccomandazioni di ricerca, suggerimenti di canzoni e tempi di viaggio stimati.

Ma ci sono più modi in cui l'apprendimento automatico viene applicato oggi, alcuni dei quali potremmo non essere nemmeno consapevoli.

In questa guida, faremo luce su alcuni esempi reali e ingegnosi di apprendimento automatico. Per ottenere i nostri esempi, ci siamo rivolti a cinque leader aziendali per spiegare i modi in cui utilizzano l'apprendimento automatico oggi.

5 esempi di apprendimento automatico

Vedi un esempio che ti interessa? Sentiti libero di andare avanti:

1. Analisi del testo per la creazione di contenuti
2. Analisi per investimenti immobiliari
3. Verifica delle chiamate per il recupero dalle frodi
4. Monitoraggio dei prezzi per i viaggi aerei
5. Apprendimento profondo per scrivere Shakespeare

1. Analisi del testo

Stephen Jeske, Content Strategist presso MarketMuse

Ogni content marketer sa quanto possa essere difficile la mappatura dei temi. Richiede competenza sui temi, ricerca approfondita e collaborazione con i team interni per garantire che i contenuti siano sia pertinenti che accurati. Stephen dice che MarketMuse applica l'apprendimento automatico per rendere il lavoro dei content marketer un po' più facile.

“Una delle applicazioni dell'apprendimento automatico (ML) riguarda l'analisi testuale; una parte importante della nostra implementazione di ML presso MarketMuse. La capacità di analizzare il testo ci consente di creare un modello tematico di qualsiasi argomento dato e di valutare i contenuti per aiutare i content marketer a creare un'esperienza migliore. L'apprendimento automatico per l'analisi testuale ci consente di stabilire la rilevanza semantica tra le pagine di un sito web. Questo viene utilizzato per offrire suggerimenti di collegamento con testo di ancoraggio appropriato per creare cluster di contenuti.

Facendo un passo avanti, l'apprendimento automatico è un blocco di costruzione che ci consente di scoprire cluster tematici che esistono su un sito web, che potrebbero non essere immediatamente evidenti.”

L'apprendimento automatico aiuta a convalidare le ipotesi del content marketer su ciò che gli utenti stanno cercando sul web riguardo a un argomento. Li espone anche a nuove idee di contenuto.

2. Immobiliare

Daniela Andreevska, Direttore Marketing presso Mashvisor

Investire nel settore immobiliare può essere redditizio se fatto correttamente. Tuttavia, il processo può richiedere tempo e la maggior parte delle persone non ha le risorse o le competenze per considerare l'investimento. Daniela dice che Mashvisor utilizza l'apprendimento automatico e l'analisi dei dati per abbreviare il processo e renderlo più semplice.

“Il Property Finder di Mashvisor è uno dei nostri strumenti più importanti che utilizza l'apprendimento automatico per prevedere la proprietà più appropriata per un investitore in base ai criteri che inseriscono e al loro background. Gli utenti possono apprezzare o non apprezzare le proprietà che il Property Finder suggerisce loro in base alla loro posizione scelta, al budget, al tipo di proprietà preferito e ad altri criteri. Più l'utente interagisce con lo strumento, più accurate diventano le sue previsioni.”

Essere in grado di fornire raccomandazioni altamente personalizzate è un esempio di apprendimento supervisionato, in cui ci sono sia valori di input che di output per l'algoritmo di apprendimento automatico. Più viene utilizzato, più accurato diventa il modello.

3. Verifica delle chiamate

Tim Prugar, VP delle Operazioni presso Next Caller

Circa 190 miliardi di dollari vengono persi annualmente a causa delle frodi, costando a commercianti, clienti e banche la loro tranquillità. Affrontare le frodi è frustrante, e lo è anche chiamare ogni commerciante per tenere il passo con la scia delle frodi. Tim dice che Next Caller utilizza l'apprendimento automatico per accelerare il processo di recupero dalle frodi.

“Utilizziamo l'apprendimento automatico per combattere il problema delle frodi telefoniche, in particolare le persone che commettono takeover di account presso banche, compagnie assicurative, compagnie via cavo, compagnie aeree e hotel. Il nostro prodotto VeriCall crea un'esperienza cliente positiva attraverso la verifica delle chiamate in tempo reale. Utilizziamo ML per garantire che tu possa essere autenticato rapidamente, passivamente e senza sforzo, consentendo alle aziende di aiutarti a risolvere il tuo problema senza perdere tempo prezioso a capire chi sei.”

L'identificazione tramite apprendimento automatico è solo un altro esempio di come l'automazione stia migliorando la nostra vita quotidiana. Questo è particolarmente utile poiché le frodi diventeranno sempre più complesse.

4. Monitoraggio dei prezzi

Valerie Layman, Chief Product and Services Officer presso Yapta

Quindi, stai per partire per un viaggio di lavoro e il tuo capo ti ha incaricato di trovare il volo più conveniente. Cosa fare dopo? Valerie dice che Yapta applica l'apprendimento automatico per un monitoraggio dei prezzi più intelligente sui viaggi aerei.

“Yapta aiuta i suoi clienti aziendali a risparmiare sui costi di volo e hotel utilizzando algoritmi di apprendimento automatico per l'ottimizzazione delle negoziazioni con i fornitori di viaggi e la conformità alle politiche. Utilizza una combinazione di dati di prenotazione di voli e hotel, dati di prezzo in tempo reale e apprendimento automatico per identificare aree di interesse in cui le aziende possono creare o migliorare opportunità di risparmio.

A colpo d'occhio, la tecnologia fornisce informazioni utili sull'utilizzo e le prestazioni dei fornitori, le prestazioni delle tariffe contrattuali e l'efficacia delle politiche di viaggio. La tecnologia aggrega anche dati di prezzo anonimi attraverso miliardi di itinerari di viaggio monitorati da Yapta, creando benchmark per importo di spesa, geografia, settore e fornitore.”

Il monitoraggio dei prezzi, l'ottimizzazione e la previsione sono alcuni dei modi più pragmatici in cui l'apprendimento automatico viene applicato oggi. In effetti, Yapta ha utilizzato il monitoraggio per far risparmiare alle aziende oltre 250 milioni di dollari sui voli.

5. Scrivere Shakespeare

Rosaria Silipo, Ph.D., Principal Data Scientist presso KNIME

Questo esempio potrebbe essere meno orientato al business e più divertente, ma KNIME è stata in grado di mostrare la potenza dell'apprendimento profondo con unità di memoria a lungo termine (LSTM) per generare testi originali in stile shakespeariano. Rosaria dice:

“Conosci il problema di trovare il nome più accattivante e non protetto da copyright per il tuo nuovo prodotto? Il problema che richiede una serie di riunioni di brainstorming da parte delle menti più creative dell'azienda? Bene, una rete neurale di apprendimento profondo con uno strato di unità LSTM può essere addestrata su un elenco di nomi specifici, diciamo nomi con un tema comune come i nomi di montagne, e produrre un elenco di nomi che suonano come montagne, non protetti da copyright, da utilizzare come candidati per il nuovo nome del prodotto.

Una rete simile può anche essere utilizzata per generare testi liberi, come testi in stile shakespeariano o canzoni rap. Queste bozze possono essere utilizzate come base per il testo o la canzone finale.”

Vale la pena notare che generare testi originali con l'apprendimento profondo è piuttosto difficile, ed è ancora più difficile quando si parte da strutture di frasi complesse e dall'inglese shakespeariano. Tuttavia, questo è ancora un esempio divertente da KNIME.

La rete di apprendimento profondo è stata addestrata con le opere di Shakespeare “Otello”, “Re Lear” e “Molto rumore per nulla”. Clicca qui sotto per leggere il copione:

Il copione sembrava iniziare bene ma si è affievolito verso la fine.

Vale la pena notare che generare testi originali con l'apprendimento profondo è piuttosto difficile, ed è ancora più difficile quando si parte da strutture di frasi complesse e dall'inglese shakespeariano. Tuttavia, questo è ancora un esempio divertente da KNIME.

Cosa c'è di nuovo per l'apprendimento automatico?

Dalle rilevazioni precoci delle frodi al miglioramento delle diagnosi mediche, l'apprendimento automatico è alla base di molte importanti innovazioni tecnologiche di oggi, ma cosa c'è di nuovo?

Abbiamo chiesto a cinque esperti di darci la loro opinione su come sarà il futuro dell'apprendimento automatico. Leggi come il calcolo quantistico, i motori di ricerca e gli ambienti senza codice influenzeranno il futuro.