Il Machine Learning può essere tradotto in modo letterale come l'apprendimento delle macchine, ovvero un apprendimento automatico. Ma cosa intendiamo? Con questa espressione indichiamo un processo con cui si apprende in modo automatico, appunto, la maniera di svolgere il proprio compito più velocemente ed efficacemente.
Dunque, attraverso questo processo, una macchina in un contesto aziendale e produttivo apprende automaticamente come svolgere il proprio compito senza fallire. Per consentire l'apprendimento automatico, quindi, occorre elaborare dei programmi che vadano poi ad analizzare i dati in enormi quantità, così da leggere l'algoritmo di base che consenta di portare a termine il proprio compito.
Nel lontano 1950 Arthur Samuel, che viene considerato uno dei pionieri dell’Intelligenza Artificiale per avere programmato software in grado di giocare una partita di scacchi, dà una prima definizione di machine learning, indicando con essa quel "campo di studio che dà ai computer l’abilità di apprendere (a realizzare un compito) senza essere esplicitamente programmati a farlo".
Una definizione più formale di apprendimento automatico è stata data, invece, recentemente dal professore universitario Tom Mitchell, che ha stabilito che si tratta di un programma capace di imparare un'esperienza svolgendo un compito specifico, così da migliorare la propria performance. Questa esperienza non è altro, quindi, che il risultato di un elaborato apprendimento sempre più rapido in cui ogni decisione mano a mano viene presa più velocemente.
Un esempio pratico e concreto di machine learning consiste nel software creato nel 2012 dagli ingegneri di Google, che elaborò alcuni video di Youtube per 72 ore senza particolari indicazioni. Ebbene, il programma riuscì a individuare volti e gatti nei video in modo automatico. Leggi in basso notizie ed approfondimenti sul machine learning e le sue implicazioni per l'Internet of Things.