Unsupervised Learning

L'apprendimento non supervisionato è un tipo di apprendimento automatico in cui un algoritmo apprende schemi da dati non annotati senza intervento umano. A differenza dell'apprendimento supervisionato, che si basa su coppie input-output etichettate per addestrare un modello, l'apprendimento non supervisionato utilizza dati privi di etichette storiche. Il sistema cerca essenzialmente di istruirsi da solo, scoprendo strutture, schemi o relazioni nascoste all'interno dei dati di input. Questo approccio è particolarmente prezioso perché la maggior parte dei dati generati oggi — immagini, video, testo e registri dei sensori — è non strutturata e priva di etichette.

Come funziona l'apprendimento non supervisionato#

Negli scenari non supervisionati, l'algoritmo è lasciato libero di scoprire strutture interessanti nei dati. L'obiettivo è spesso modellare la distribuzione sottostante dei dati o apprendere maggiori informazioni sui dati stessi. Poiché durante l'addestramento non vengono fornite "risposte corrette", il modello non può essere valutato in base all'accuratezza nel senso tradizionale. Le prestazioni vengono invece spesso misurate in base alla capacità del modello di ridurre la dimensionalità o di raggruppare insieme punti dati simili.

Questa metodologia rispecchia il modo in cui spesso gli esseri umani apprendono nuovi concetti. Per esempio, un bambino può distinguere tra cani e gatti osservandone le diverse forme e comportamenti, senza necessariamente conoscere inizialmente i nomi "cane" e "gatto". Allo stesso modo, gli algoritmi non supervisionati raggruppano le informazioni in base alle somiglianze intrinseche. Questa capacità è fondamentale per lo sviluppo dell'intelligenza artificiale generale (AGI), poiché consente ai sistemi di adattarsi a nuovi ambienti senza una supervisione umana costante.

Tecniche chiave dell'apprendimento non supervisionato#

L'apprendimento non supervisionato comprende diverse tecniche distinte, ciascuna adatta a diversi tipi di problemi di analisi dei dati:

• Clustering: è l'applicazione più comune, in cui l'algoritmo raggruppa i punti dati simili tra loro. Un metodo popolare è il clustering K-Means, che suddivide i dati in k gruppi distinti in base alla similarità delle caratteristiche. Viene ampiamente utilizzato nella segmentazione del mercato per identificare gruppi di clienti con comportamenti di acquisto simili.
• Riduzione della dimensionalità: i dati ad alta dimensionalità possono essere complessi e costosi da elaborare dal punto di vista computazionale. Tecniche come l'Analisi delle componenti principali (PCA) riducono il numero di variabili in un dataset preservandone al contempo le informazioni essenziali. Questo semplifica la visualizzazione dei dati e velocizza l'addestramento di altri modelli di apprendimento automatico.
• Rilevamento delle anomalie: apprendendo l'aspetto dei dati "normali", i modelli non supervisionati possono identificare i valori anomali che si discostano significativamente dalla norma. Questo è fondamentale per il rilevamento delle frodi nel settore finanziario, dove schemi di transazioni insoliti attivano avvisi di sicurezza.
• Apprendimento di regole associative: questa tecnica scopre relazioni interessanti tra le variabili presenti in grandi database. È famosa per il suo utilizzo nell'analisi del carrello della spesa, aiutando i rivenditori a comprendere che i clienti che acquistano il pane probabilmente acquistano anche il burro.

Apprendimento non supervisionato e supervisionato a confronto#

È importante distinguere l'apprendimento non supervisionato dall'apprendimento supervisionato. La differenza principale risiede nei dati utilizzati. L'apprendimento supervisionato richiede un dataset etichettato, ovvero ogni esempio di addestramento è associato a un output corretto (ad esempio, un'immagine di un gatto etichettata "gatto"). Il modello impara a mappare gli input sugli output per ridurre al minimo l'errore.

Al contrario, l'apprendimento non supervisionato utilizza dati privi di etichette. Non esiste alcun ciclo di feedback che comunichi al modello se il suo output è corretto. Esiste una via di mezzo chiamata apprendimento semi-supervisionato, che combina una piccola quantità di dati etichettati con una grande quantità di dati privi di etichette per migliorare l'accuratezza dell'apprendimento, spesso utilizzata quando l'annotazione dei dati è costosa o richiede molto tempo.

Applicazioni nel mondo reale#

L'apprendimento non supervisionato alimenta molte tecnologie che utilizziamo ogni giorno. Ecco due esempi concreti:

1. Segmentazione dei clienti nel commercio al dettaglio: le piattaforme di e-commerce analizzano milioni di interazioni degli utenti senza categorie predefinite. Utilizzando algoritmi di clustering, identificano profili utente distinti, come i "cacciatori di occasioni del fine settimana" o gli "appassionati di tecnologia". Questo consente campagne di marketing altamente personalizzate e sistemi di raccomandazione, migliorando significativamente l'esperienza del cliente.

2. Analisi delle sequenze genomiche: in bioinformatica, i ricercatori utilizzano l'apprendimento non supervisionato per analizzare i dati genetici. Gli algoritmi raggruppano le sequenze di DNA per trovare marcatori genetici o mutazioni simili tra popolazioni diverse. Ciò aiuta a comprendere le relazioni evolutive e a identificare le predisposizioni genetiche alle malattie senza dover conoscere in anticipo la funzione di ogni specifico gene.

Esempio di codice: clustering con Scikit-Learn#

Sebbene Ultralytics YOLO26 sia principalmente un framework supervisionato per il rilevamento degli oggetti, le tecniche non supervisionate vengono spesso utilizzate nelle fasi di pre-elaborazione, ad esempio per analizzare le distribuzioni degli anchor box o raggruppare le caratteristiche del dataset. Di seguito è riportato un semplice esempio che utilizza sklearn per eseguire il clustering K-Means, una tecnica non supervisionata fondamentale.

import numpy as np
from sklearn.cluster import KMeans

# Generate synthetic data: 10 points with 2 features each
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

# Initialize KMeans with 2 clusters (k=2)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto")

# Fit the model to the data (no labels provided!)
kmeans.fit(X)

# Predict which cluster each point belongs to
print(f"Labels: {kmeans.labels_}")
# Output will group the first 3 points together (0) and the last 3 together (1)

Il ruolo dell'apprendimento non supervisionato nel deep learning#

Il deep learning (DL) moderno integra sempre più spesso principi non supervisionati. Tecniche come l'apprendimento auto-supervisionato (SSL) consentono ai modelli di generare autonomamente segnali di supervisione a partire dai dati. Per esempio, nell'elaborazione del linguaggio naturale (NLP), modelli come GPT-4 vengono pre-addestrati su enormi quantità di testo per prevedere la parola successiva in una frase, apprendendo di fatto la struttura del linguaggio senza etichette esplicite.

Allo stesso modo, nella visione artificiale (CV), gli autoencoder vengono utilizzati per apprendere codifiche efficienti dei dati. Queste reti neurali comprimono le immagini in una rappresentazione a dimensionalità inferiore e poi le ricostruiscono. Questo processo insegna alla rete quali sono le caratteristiche più rilevanti dei dati visivi, risultando utile per attività come la riduzione del rumore nelle immagini e la modellazione generativa.

Per chi desidera gestire i dataset per l'addestramento, la Ultralytics Platform offre strumenti per visualizzare le distribuzioni dei dati, che possono aiutare a identificare cluster o anomalie prima dell'inizio del processo di addestramento supervisionato. Comprendere la struttura dei propri dati attraverso un'esplorazione non supervisionata è spesso il primo passo verso la realizzazione di soluzioni di AI robuste.