Imparare l’intelligenza artificiale facendo: perché inizio questa serie

Chi scrive

Programmo da tanti anni. Ho lavorato come sviluppatore, soprattutto in C e Java, e poi per diversi anni come DevOps. Ho una buona base di sistemi operativi: so cosa succede sotto il cofano di un processo, di un thread, di una chiamata di sistema. Di intelligenza artificiale, invece, non mi sono mai occupato direttamente. L’argomento mi ha sempre incuriosito, ma l’ho osservato da lontano, senza mai sporcarmi le mani.

Questa serie di articoli nasce per cambiare le cose.

Perché questa serie

Voglio imparare a usare in prima persona queste tecnologie. Non mi basta leggere cosa possono fare: voglio capire come funzionano, costruire qualcosa con le mie mani, sbagliare e correggere. Per questo ho scelto un approccio learn by doing.

Ogni argomento partirà da un esempio pratico: scriveremo del codice, lo eseguiremo, vedremo cosa succede. Solo dopo, con qualcosa di concreto davanti, andremo a vedere la teoria che c’è sotto. La teoria non verrà trascurata: voglio capire davvero ciò che uso, non limitarmi a copiare codice che funziona. Ma credo che un concetto matematico si capisca meglio quando si è già visto in azione.

Cos’è il machine learning, in breve

Da programmatore, ho sempre scritto funzioni così: decido io le regole e scrivo il codice che le applica. Se voglio sapere se un’email è spam, scrivo una serie di condizioni (“contiene questa parola”, “arriva da questo mittente”…).

Il machine learning rovescia l’approccio. Invece di scrivere le regole, fornisco molti esempi (email spam e non spam) e lascio che sia un modello a imparare da solo una funzione che li distingue. Il programma non è più scritto a mano: viene addestrato sui dati.

È un cambio di prospettiva importante, e sarà il filo conduttore di tutta la serie.

Cosa useremo

Gli strumenti principali saranno Python e PyTorch, a cui affiancherò altre librerie quando serviranno.

Una nota sull’uso dell’IA nella scrittura

Per scrivere questi articoli userò anche alcuni modelli di intelligenza artificiale, ma principalmente per correggere e rifinire i testi. Dietro c’è comunque un lavoro fatto in prima persona: lo studio, il codice, gli esperimenti e la scrittura sono miei.

Cosa aspettarsi

Gli articoli alterneranno pratica e teoria: prima faremo funzionare qualcosa, poi capiremo perché funziona. Imparerò strada facendo, quindi è possibile che commetta errori: se ne trovi, segnalameli nei commenti, ti sarò grato.

Nel prossimo articolo: setup e primo modello in PyTorch

Si parte subito con il codice. Nel prossimo articolo:

• prepareremo l’ambiente di lavoro e installeremo PyTorch;
• faremo conoscenza con i tensori, la struttura dati su cui si basa tutto il resto;
• costruiremo un modello minimo che impara una relazione semplice a partire da alcuni esempi;
• scriveremo il training loop e lo faremo girare davvero, osservando il modello migliorare a ogni iterazione.

Non avremo ancora tutta la teoria per capire ogni dettaglio, ed è voluto: prima vediamo il meccanismo in funzione, poi nei prossimi articoli andremo a smontarlo pezzo per pezzo.