... vogliamo fare, dal riconoscimento di immagini, ai robot, abbiamo a disposizione tanti strumenti open source, liberi. Vediamone alcuni, nel caso vogliate smanettare.
TensorFlow vi consente di creare modelli di machine learning, e fare in modo che imparino. È gratuito ed è indicato se volete prevedere il futuro a partire da dati che avete a disposizione. TensorFlow è un bello strumento per ordinare il flusso dei dati, classificarli, interpretarli e da lì pensare a come potrebbero evolversi nel futuro, attraverso analisi delle serie temporali. Google ad esempio ha usato TensorFlow per capire, dai click che fate su internet, i vostri interessi e cosa andrete a cercare.
Watson, dal nome dell’assistente tontolone di Sherlock Holmes, serve più che altro a cercare e scoprire idee nuove. Inizialmente molti Powerpoint son stati spesi per metterlo a diagnosticare malattie: recentemente molti ospedali han preferito farne a meno. Rispetto al medico Watson guarda sempre tutti i fattori in gioco in modo obiettivo, ma ogni tanto prende degli svarioni pericolosi, quindi ha sempre bisogno di lavorare a servizio di un dottore in carne ed ossa. Non ha invece controindicazioni nella ricerca di articoli e proprietà intellettuali, riuscendo a suggerirci ottime ipotesi nuove da testare.
OpenNN è un pelo più ruvido di TensorFlow, ma è una scheggia nella capacità di calcolo. Utilissimo per analisi sofisticate di serie di dati, le sue applicazioni spaziano dall’energia, agli studi clinici, al marketing. C’è una bella libreria di neural network e potete esplorare regressione, classificazione, previsione in modo agile. OpenNN è la bici da corsa di questi strumenti: scomoda, faticosa quando fai gamba, ma quanto si maneggia bene è uno spasso. Oltre ai problemi citati sopra, con questo potete anche fare delle traduzioni, chatbot e crearvi un assistente personale, il vostro schiavo 4.0.
Torch è più adatto del precedente se volete fare del machine learning o della grafica potente. Molto usato nella comunità scientifica, anche questo strumento richiede un impegno iniziale ma da belle soddisfazioni. Nei casi di computer vision, di gestione di immagini, suoni e video, Torch usufruisce di un ecosistema molto efficace. Facebook e Twitter lo usano molto per analizzare la massa di dati regalati da noi utenti dei social media. Rispetto ad OpenNN, Torch serve per un numero inferiore di casi, una bici da cronometro per intenderci.
Come col pianoforte o la lingua straniera, anche gli strumenti digitali si imparano per gradi, li si padroneggia solo dopo tante ore. All’inizio impariamo a suonare Fra Martino con una mano, ad ordinare una pizza in un paese straniero, con un misto di imbarazzo e soddisfazione per quel piccolo passo. Però, con un minimo di costanza, poi impariamo a suonare e tradurre, a padroneggiare qualsiasi strumento.
Con TensorFlow, OpenNN o Torch è lo stesso: cerchiamo di divertirci e dai primi passi sarà bello vedere il progresso. Alcuni esempi li trovate qui. Buon divertimento... : )
