Michele Boldrin & Noisefromamerika

Gli algoritmi di machine learning supervisionato funzionano facendo vedere a una macchina un gran numero di esempi del concetto che le si vuol far apprendere. Dopo questa fase di addestramento, l’ipotesi è che la macchina sarà in grado di generalizzare, classificando anche esempi che non ha mai visto in precedenza. Ma perché questo procedimento funziona? In questo episodio esaminiamo più in dettaglio le assunzioni alla base del machine learning. In particolare, vediamo come la questione dell’apprendimento induttivo sia molto più profonda e trasversale di quanto sembri inizialmente, con ramificazioni tra la statistica, la filosofia e la complessità computazionale.