L’apprendimento automatico di nuova generazione in Europa
Gli attuali metodi di apprendimento automatico lottano con la crescente gamma e complessità di compiti e obiettivi. Poiché questa tecnologia sta avanzando e gli algoritmi di apprendimento diventano componenti fondamentali, gli attuali metodi dovranno far fronte a tale complessità aggiunta. Con questo in mente, il progetto HERL (Large scale machine learning for simultaneous heterogeneous tasks), finanziato dall’UE, è nato con l’obiettivo di elaborare uno strumento in grado di esaminare le prestazioni di algoritmi nuovi ed esistenti, al fine di risolvere i problemi di apprendimento di rinforzo multitask. Un ulteriore scopo del progetto è quello di creare algoritmi per la gestione di più obiettivi simultanei. In primis, i partner del progetto hanno sviluppato un generatore di problemi casuali per l’apprendimento di problemi noto come Merlin. Tale strumento è unico nella sua capacità di generare problemi di apprendimento multitask, con un controllo sulla struttura delle relazioni inter-task. Merlin è ora disponibile e continuamente in fase di miglioramento al fine di fornire una gamma più ampia di strutture relative ai problemi. Il team HERL ha costruito una piattaforma software per applicare algoritmi multitask di apprendimento di rinforzo. Il team ha inoltre analizzato i dati riguardanti le prestazioni dei vari algoritmi di apprendimento, sviluppati e testati su problemi artificiali e reali. Al fine di ottenere questi obiettivi, i ricercatori hanno inizialmente prodotto strutture di problemi note e hanno successivamente studiato tali problemi per progettare algoritmi di apprendimento più efficaci. Grazie al progetto HERL, Merlin consente ai ricercatori dell’ambito apprendimento di rinforzo di valutare il funzionamento dei propri algoritmi attraverso una più vasta varietà di problemi, rispetto a quelli attualmente in uso dai colleghi. I nuovi algoritmi possono affrontare problemi con più di due o tre obiettivi simultanei. I sistemi di apprendimento automatico di domani saranno più efficaci, il tutto con minore intervento umano diretto e carico computazionale.
Parole chiave
Apprendimento automatico, algoritmi, compiti eterogenei, apprendimento per rinforzo
