Ogni attività svolta da tutti noi in rete si trasforma come è noto in una enorme mole di dati. Una indagine di Forbes sostiene che ogni giorno vengono prodotti 2,5 quintilioni di byte di dati. Questi finiscono in gigantesche banche dati per analisi volte prevalentemente a scopi di marketing o per finalità di assistenza intelligente al comportamento umano. Secondo una risoluzione del marzo del 2017 del Parlamento Europeo i big data coincidono con il trattamento automatizzato di una grande quantità di dati provenienti da fonti diverse strutturate (ad esempio posta elettronica, ricerche su internet, sistemi di sensori) o non strutturate (video, segnali audio). Il meccanismo di raccolta dei dati è tutto sommato semplice, ma i risultati prodotti dalle elaborazioni su di essi producono altri dati con un processo di riutilizzazione che si ripete senza sosta.

Leggendo il QRCode si diventa follower di maranlearning su Instagram.

E’ noto che molte aziende automobilistiche mondiali stiano investendo molti milioni di dollari per sviluppare auto a guida autonoma. Lo sviluppo è principalmente concentrato sulla capacità della vettura di comprendere attraverso algoritmi di intelligenza artificiale quali azioni compiere durante lo spostamento della vettura nelle strade presenti sul territorio. La capacità di adattamento degli esseri umani li rende ancora superiori ai dispositivi di guida autonoma, in particolare nella comprensione del concetto astratto di guida in sicurezza e nel saper applicare la propria esperienza anche in luoghi che vengono attraversati in auto per la prima volta.

Nelle condizioni di particolare difficoltà e di emergenza l’essere umano è in grado di ingegnarsi per trovare vie di salvezza. Parliamo ancora della galoppante diffusione dell’epidemia di COVID che con le sue caratteristiche di “invisibilità” rende la vita difficile sia ai ricercatori che ai comuni cittadini. Considerando le diverse possibilità di manifestazione del virus, un gruppo di ricercatori dell’Università di Cambridge ha creduto interessante sviluppare uno strumento in grado di riconoscere la presenza del COVID attraverso il riconoscimento sonoro del tipo di tosse prodotta dal paziente. La ricerca si avvalerebbe dell’uso di una semplice applicazione per smartphone in grado di raccogliere e registrare la traccia sonora della tosse e, tramite algoritmi di machine learning, provare a riconoscere ed identificare il contagio e la malattia.

Il tema del controllo della propria salute attraverso strumenti di machine learning e auto-apprendimento automatico è ampiamente trattato e conosciuto. Nella maggior parte dei casi si concentra l’attenzione su patologie e sui parametri che le descrivono oggettivamente mentre più raramente si intende osservare e studiare il benessere quando ci si trova in “assenza di malattia”. Il benessere è un concetto alquanto sfuggente, definito dall'OMS come "uno stato di completo benessere fisico, mentale e sociale, e non semplicemente assenza di malattia o infermità". Come è possibile sfruttare gli algoritmi di machine learning per analizzare e migliorare il proprio benessere?

Gli algoritmi di machine learning hanno la notevole capacità di individuare correlazioni fra i dati e, tramite una fase di apprendimento continuo, riuscire a riconoscere ricorrenze che condurrebbero a decisioni e reazioni automatiche. Sia le più tecnologiche automobili a conduzione autonoma che le vetture commerciali di recente fabbricazione dispongono di sistemi di riconoscimento della segnaletica stradale e, attraverso un comportamento teoricamente intelligente, compiono le appropriate azioni o le suggeriscono al conducente stesso.