Pin It

Marco Verani, professore associato di Analisi Numerica presso il Laboratorio MOX del Dipartimento di Matematica del Politecnico di Milano, ha recensito per MaddMaths! il volume “L’Algoritmo Definitivo” di Pedro Domingos, che tratta un argomento che è di estrema attualità per la comunità matematica, ma non solo.

[originariamente pubblicato il 21 dicembre 2019]

di Marco Verani

L’Algoritmo Definitivo” di Pedro Domingos è un libro sugli algoritmi di Machine Learning. Un libro ben scritto, piacevole da leggere, ma soprattutto un libro, scritto da un ricercatore che si occupa di intelligenza artificiale da oltre vent’anni,  che accompagna il lettore ad entrare veramente ed in profondità nelle idee matematiche alla base del funzionamento dei principali algoritmi di machine learning. Un libro necessario per il tempo che stiamo vivendo:

“Quando una nuova tecnologia è pervasiva e rivoluzionaria come il machine learning, non è saggio lasciare che resti una scatola nera. L’opacità spiana la strada all’errore e all’uso improprio.”

Ma soprattutto un libro necessario per costruire cittadini responsabili:

“Non si può controllare ciò che non si capisce, ed è per questo che dobbiamo capire cos’è il machine learning: come cittadini, come lavoratori e come esseri umani che cercano di condurre una vita felice.”

Ogni anno centinaia di nuovi algoritmi di apprendimento vengono ideati e riversati sul mercato (“capitalismo della sorveglianza” direbbe Shoshana Zuboff). Ma tutti questi algoritmi, scrive Pedro Domingos, “si basano su un numero ristretto di idee fondamentali che rappresentano tutto quello che bisogna effettivamente sapere per capire in che modo il machine learning sta cambiando il mondo”.

I concetti che stanno alla base degli algoritmi di apprendimento toccano temi e domande fondamentali: come impariamo? Cosa possiamo prevedere? Possiamo fidarci di ciò che abbiamo imparato?

Il mondo del Machine Learning è diviso in scuole di pensiero concorrenti che offrono risposte molto diverse. L’autore identifica cinque correnti principali, e a ognuna di esse viene dedicato un capitolo.

“Per i simbolisti, che si ispirano alla filosofia, alla psicologia e alla logica, l’apprendimento è l’inverso della deduzione. I connessionisti prendono spunto dalle neuroscienze e dalla fisica per compiere un’operazione di reverse engineering del cervello. Gli evoluzionisti si ispirano alla genetica e alla biologia evolutiva per realizzare simulazioni numeriche dell’evoluzione. I bayesiani fondano le proprie tesi sulla statistica, convinti che l’apprendimento sia una forma di inferenza probabilistica. Gli analogisti, infine, sono influenzati dalla psicologia e dall’ottimizzazione matematica, e ritengono che si impari da estrapolazioni basate su criteri di somiglianza.”

Ognuna delle cinque grandi tribù del Machine Learning ha il suo algoritmo di riferimento: l’algoritmo dei simbolisti è la deduzione inversa, quello dei connessionisti la retropropagazione; gli evoluzionisti credono nella programmazione genetica, i bayesiani nell’inferenza omonima e gli analogisti nella macchina a vettori di supporto.

Ma ogni algoritmo di apprendimento (anche quelli che risiedono nel nostro cervello) deve fare attenzione a non cadere vittima di allucinazioni:

“Tutti i learner abbastanza potenti, siano essi simbolisti, connessionisti o altro, devono stare attenti a non cadere vittima di allucinazioni che fanno vedere un ordine dove non esiste. L’unico modo sicuro per evitare che accada è di imporre un limite rigido a ciò che il learner può imparare.”

Infatti, sottolinea Domingos, “ognuno di questi algoritmi va bene per alcuni compiti ma non per tutti. Quello che vorremmo è un unico strumento che combini le proprietà fondamentali di tutti quelli che abbiamo elencato: un «Algoritmo Definitivo». C’è chi lo giudica un sogno irrealizzabile, ma per molti di noi che ci occupiamo di machine learning è quello che ci accende una scintilla nello sguardo e ci spinge a lavorare fino a tarda sera.”

L’ultima parte del libro raccoglie le tessere sparse dalle varie tribù del Machine Learning e prova a delineare i tratti di questa sorta di Santo Graal: l’“Algoritmo definitivo”. Tentativo riuscito?

“Spesso non si ottiene nulla, perché non si tenta nulla.” (Jacques Deval)

Marco Verani

Pedro Domingos (https://homes.cs.washington.edu/~pedrod/) è professore computer science and engineering alla University of Washington, Seattle, WA. E’ autore di circa 200 pubblicazioni in machine learning, data mining, e altre aree dell’intelligenza artificiale.

L’ algoritmo definitivo. La macchina che impara da sola e il futuro del nostro mondo
Pedro Domingos
Traduttore: Andrea Migliori
Editore: Bollati Boringhieri
Collana: Saggi. Scienze
Anno edizione: 2016
In commercio dal: 21 aprile 2016
Pagine: 357 p., Brossura
EAN: 9788833927060

 

Pin It
this site uses the awesome footnotes Plugin