Fonte: Daniele Gambit – Explainable Artificial Intelligence: dentro la scatola nera del Machine Learning – 09/10/2020

A cura di Lorenzo Tuzi

Le tecnologie di intelligenza artificiale e del machine learning attraggono sempre più l’attenzione del mercato e della società odierna. È un settore in pieno sviluppo trattato da molti player di mercato e da gruppi di ricerca.

Per poter funzionare queste tecnologie necessitano di un grande dataset di apprendimento con il quale l‘algoritmo impara ad associare un certo input ad uno o più elementi.

Un esempio concreto è il progetto di tre ricercatori dell’Università di Washington, che nel 2016 hanno ideato una rete neurale per la classificazione delle immagini, programmando l’algoritmo per distinguere le foto di husky da quelle di lupi. I ricercatori in questo caso hanno utilizzato come dataset migliaia di immagini etichettate in maniera differente. “Dopo una fase di addestramento sono state sottoposte all’algoritmo nuove foto, diverse da quelle viste fino ad allora, e stavolta prive della corrispondente etichetta. Il modello così addestrato si era rivelato efficiente: l’algoritmo riusciva a distinguere i cani dai lupi in molti casi” (Explainable Artificial Intelligence: dentro la scatola nera del Machine Learning).

LEGGI ANCHE: Una “call for innovation” per lo smaltimento del radioattivo: una scommessa vinta!

Machine Learning ed analisi degli elementi

Infatti, la presenza della neve sullo sfondo nella maggior parte delle foto di lupi è stata classificata dell’algoritmo della rete neurale come un elemento distintivo per distinguere gli animali nel dataset immesso.

Un algoritmo di apprendimento automatico ha quindi bisogno di dati con una correlazione statistica ed un principio di connessione e causalità. Questo principio ha portato alla nascita della corrente di ricerca XAI (Explainable Artificial Intelligence) dei modelli “spiegabili” che consentono di comprendere quali siano i criteri che portano l’algoritmo a prendere una determinata scelta.

Continua a leggere su Medium.