Apprendimento incrementale: differenze tra le versioni

Versione delle 12:53, 29 ago 2025

Versione attuale delle 14:05, 14 set 2025

(5 versioni intermedie di un altro utente non mostrate)

Riga 1:

In intelligenza artificiale, l''''apprendimento incrementale''' è una modalità di [[apprendimento automatico]] in cui i dati di input vengono utilizzati per estendere in continuo la conoscenza del modello esistente, ovvero per addestrarlo ulteriormente. Essa rappresenta una modalità dinamica di [[apprendimento supervisionato]] e [[Apprendimento non supervisionato|non]] che può essere applicata allorché i dati di addestramento si rendano disponibili gradualmente nel tempo o la loro dimensione superi i limiti di memoria del sistema. Gli algoritmi che possono facilitare l'apprendimento incrementale sono noti come ''algoritmi incrementali''.<ref>{{Cita libro|nome=Zhiyuan|cognome=Chen|nome2=Bing|cognome2=Liu|titolo=Lifelong machine learning|edizione=Second edition|collana=Synthesis lectures on artificial intelligence and machine learning|data=2018|editore=Morgan & Claypool|ISBN=978-1-68173-302-9}}</ref><ref>{{Cita pubblicazione|nome=Gido M.|cognome=van de Ven|nome2=Tinne|cognome2=Tuytelaars|nome3=Andreas S.|cognome3=Tolias|data=2022-12|titolo=Three types of incremental learning|rivista=Nature Machine Intelligence|volume=4|numero=12|pp=1185–1197|lingua=en|accesso=2025-08-29|doi=10.1038/s42256-022-00568-3|url=https://www.nature.com/articles/s42256-022-00568-3}}</ref><ref>{{Cita web|lingua=it-IT|autore=Midhat Tilawat|url=https://www.allaboutai.com/it-it/glossario-ai/apprendimento-incrementale-ai/|titolo=Cos'è l'Apprendimento Incrementale?|sito=All About AI|data=2024-01-28|accesso=2025-08-29}}</ref>

Molti algoritmi di apprendimento automatico tradizionali supportano intrinsecamente l'apprendimento incrementale. Altri algoritmi possono essere adattati per facilitare l'apprendimento incrementale. Esempi di algoritmi incrementali comprendono quelli per l'apprendimento di [[Albero di decisione|alberi]] o [[Albero di decisione|regole di decisione]], [[Rete neurale artificiale|reti neurali artificiali]] (ad es. [[Rete neurale a base radiale|reti RBF]]) o l'[[Macchine a vettori di supporto|SVM]] incrementale.

Riga 7:

Gli algoritmi incrementali vengono spesso applicati a flussi di dati o [[big data]], per risolvere, rispettivamente, problematiche di disponibilità di dati e di scarsità di risorse. La predizione dell'andamento di azioni e la profilazione degli utenti sono alcuni casi tipici in cui flussi di nuovi dati si rendono continuamente disponibili. L'applicazione dell'apprendimento incrementale ai big data mira a tempi di [[Classificazione statistica|classificazione]] o previsione più rapidi.

== Relazione con l'apprendimento online ==

== Voci collegate ==

Le modalità di [[Apprendimento automatico online|apprendimento online]] e incrementale sono molto simili. Le differenze risiedono soprattutto nel contesto applicativo e nelle sfumature del modo in cui vengono elaborati i dati e aggiornato il modello:

* ''apprendimento online'':

** il modello riceve i dati uno per volta (o in piccoli batch) e si aggiorna immediatamente dopo ogni esempio;

** è pensato per contesti in cui i dati arrivano in flusso continuo e in tempo reale, e ove si richieda che il modello sia sempre aggiornato e adattabile senza attendere di disporre di grandi quantità di dati;

** enfatizza la reattività e la capacità di adattarsi rapidamente a nuovi dati o cambiamenti del contesto.

* ''apprendimento incrementale'':

** si aggiorna progressivamente il modello man mano che si rendono disponibili nuovi dati, ma può elaborare i dati anche in modo batch o per piccoli gruppi (''mini-batch'');

** spesso implica un aggiornamento meno frequente rispetto alla modalità online, ma con la caratteristica che la conoscenza pregressa non viene persa e il modello migliora continuamente nel tempo;

** può essere concepito come una forma di apprendimento che integra progressivamente nuove informazioni senza dover riaddestrare completamente il modello.

In sintesi, l'apprendimento online è una sotto-categoria dell'apprendimento incrementale, più specificamente focalizzata sull'aggiornamento immediato e sequenziale dei modelli, mentre l'apprendimento incrementale include anche aggiornamenti batch o meno frequenti ma sempre progressivi.

== Voci collegatecorrelate ==

* [[Apprendimento automatico online]]

Riga 20 ⟶ 34:

* {{Cita web|autore=Charles L. Parker|url=https://blog.bigml.com/2013/03/12/machine-learning-from-streaming-data-two-problems-two-solutions-two-concerns-and-two-lessons/|titolo=Brief Introduction to Streaming data and Incremental Algorithms|sito=BigML Blog|data=12 Marzo 2013}}

* {{cita web|url=https://github.com/greenfish77/gaenari|titolo=gaenari: C++ incremental decision tree algorithm|accesso=29 agosto 2025}}

{{apprendimento automatico}}