AI nelle vacanze di Natale

Alcuni concetti appresi dopo aver seguito i corsi introduttivi sull'Intelligenza Artificiale. 

Magari possono aiutarci a fare chiarezza 😉. 

1. Ciò che ci differenzia ancora dalle macchine nel 2025 è la vastità di possibili intelligenze degli esseri umani. In pratica la solita storia del non siamo tutti uguali e meno male, quindi questo aspetto tiene botta anche quest'anno e da come sembra, una AI in grado di replicare gli esseri umani al 100% è ancora fantascienza. 
2. Si definisce AI debole tutto quell'insieme di software che rispondono alle tue domande, perché hanno delle risposte preparate, ma in realtà non capiscono cosa ti hanno appena risposto e cosa gli hai chiesto prima. Hai presente Siri, Alexa?
3. Si definisce AI forte una intelligenza artificiale in grado di comprendere, proprio come il nostro cervello, come accennato poco sopra è un concetto soltanto sulla carta e ancora di là da venire.. 
4. Insegnare ad una macchina ad imparare:
1. Apprendimento supervisionato => un tipo di processo di apprendimento in cui un data scientist mostra a un sistema la risposta corretta, e quindi consente al sistema di addestrarsi per migliorare l'identificazione dei modelli che portano alla risposta corretta => classificazione
2. Apprendimento non supervisionato => un tipo di processo di apprendimento in cui un sistema crea i propri cluster di dati basati sull'osservazione dei modelli che vede nei dati => clustering
5. Machine learning: un processo in cui le macchine iniziano identificando i modelli, per poi imparare di più man mano che funzionano su dati aggiuntivi
6. Rete neurale: sistema di intelligenza artificiale, che imita il cervello umano e si compone di:
1. Parte sinistra => neuroni di Input
2. Parte destra => neuroni di output
3. Parte centrale => neuroni nascosti (hidden)
7. Sistema esperto (anni70-80): sistemi che si servono di diverse combinazioni per dare delle risposte, sono stati uno dei primi esempi di sistemi ritenuti intelligenti, anche se di fatto non lo sono, perché non hanno consapevolezza, conoscenza, ma fanno solamente calcoli e associazioni di elementi
8. Algoritmi di apprendimento automatico supervisionato:
1. KNN (calcolo di un punto sconosciuto sulla base di punti a lui vicini, si calcolano le distanze...)
2. Naive Bayes (presuppone la non correlazione tra i vari predittori e infatti per questo viene definito ingenuo, i predittori sono le classi su cui fare le prediction)