Questa interazione uomo - IA viene perfettamente
esemplificata in questo esperimento: scoprire la relazione non lineare tra altezza e peso utilizzando tecniche di machine learning.
L'idea iniziale
Il punto di partenza è stato semplice: VOLEVAMO verificare se esistesse una relazione tra altezza e peso e se questa fosse lineare o non lineare.
In un primo momento, l'IA ha ipotizzato una relazione diretta basata su un BMI medio pari a 22.
Il punto di partenza è stato semplice: VOLEVAMO verificare se esistesse una relazione tra altezza e peso e se questa fosse lineare o non lineare.
In un primo momento, l'IA ha ipotizzato una relazione diretta basata su un BMI medio pari a 22.
La mia riflessione è stata: ma questa formula funziona solo per individui
normopeso.
Qui è iniziata l’interazione tra uomo e IA perché è necessario ampliare il modello per includere persone con BMI variabile.
Qui è iniziata l’interazione tra uomo e IA perché è necessario ampliare il modello per includere persone con BMI variabile.
L'apporto dell’Intelligenza Artificiale
L’IA mi ha aiutato a costruire il dataset, generando un campione di persone con BMI diversi (sottopeso, normopeso, sovrappeso e obesi), introducendo un elemento di rumore controllato per rendere l’analisi più aderente alla realtà.
L’IA mi ha aiutato a costruire il dataset, generando un campione di persone con BMI diversi (sottopeso, normopeso, sovrappeso e obesi), introducendo un elemento di rumore controllato per rendere l’analisi più aderente alla realtà.
👉 Step chiave dell’IA nel processo:
✅ Generazione dei dati sintetici con variabilità controllata.
✅ Utilizzo del Random Forest per scoprire l'importanza delle variabili.
✅ Creazione di un modello predittivo per verificare il peso delle variabili nel determinare il peso.
✅ Controllo e validazione del modello da parte dell’uomo.
L’interazione Uomo - IA
L’intero processo si è dimostrato una collaborazione attiva tra uomo e intelligenza artificiale.
L’intero processo si è dimostrato una collaborazione attiva tra uomo e intelligenza artificiale.
Ecco come l’interazione ha reso
l’analisi più efficace:
🔍 Fase 1: formulazione dell’ipotesi → L’utente propone di analizzare la relazione Altezza-Peso.
🤖 Fase 2: creazione del dataset → L’IA genera i dati, ma inizialmente considera semplicisticamente solo persone normopeso.
👤 Fase 3: correzione basata sul ragionamento umano → L’utente suggerisce di introdurre una variabilità nel BMI per rendere l’analisi più realistica.
🧠 Fase 4: modellazione con machine learning → L’IA utilizza Random Forest per analizzare l’importanza delle variabili.
📊 Fase 5: interpretazione dei risultati → L’utente conferma, analizzando dal grafico, la presenza di una relazione non lineare.
L'algoritmo Random Forest, già menzionato più volte in questo blog, è in grado di scovare in un dataset le eventuali relazioni non lineari tra una variabile target (nel nostro caso il peso) e le altre.
🔍 Fase 1: formulazione dell’ipotesi → L’utente propone di analizzare la relazione Altezza-Peso.
🤖 Fase 2: creazione del dataset → L’IA genera i dati, ma inizialmente considera semplicisticamente solo persone normopeso.
👤 Fase 3: correzione basata sul ragionamento umano → L’utente suggerisce di introdurre una variabilità nel BMI per rendere l’analisi più realistica.
🧠 Fase 4: modellazione con machine learning → L’IA utilizza Random Forest per analizzare l’importanza delle variabili.
📊 Fase 5: interpretazione dei risultati → L’utente conferma, analizzando dal grafico, la presenza di una relazione non lineare.
L'algoritmo Random Forest, già menzionato più volte in questo blog, è in grado di scovare in un dataset le eventuali relazioni non lineari tra una variabile target (nel nostro caso il peso) e le altre.
Il grafico finale ha evidenziato che:
✅ L’altezza ha la massima importanza nel determinare il peso.
✅ La relazione tra altezza e peso è non lineare, proprio perché la formula del BMI lo è.
✅ Le variabili secondarie (ore di sonno, caffè, punteggio esame, ecc.) hanno un impatto trascurabile sul peso.
✅ L’altezza ha la massima importanza nel determinare il peso.
✅ La relazione tra altezza e peso è non lineare, proprio perché la formula del BMI lo è.
✅ Le variabili secondarie (ore di sonno, caffè, punteggio esame, ecc.) hanno un impatto trascurabile sul peso.
Conclusione
Questo esperimento ha dimostrato che l’IA non sostituisce l’intelligenza umana, ma la potenzia.
Questo esperimento ha dimostrato che l’IA non sostituisce l’intelligenza umana, ma la potenzia.
- L’uomo fornisce il ragionamento critico e la capacità di porre le domande giuste.
- L’IA accelera il processo, trova pattern nascosti e conferma le ipotesi con modelli avanzati.
Quindi:
- Senza la supervisione umana, l’IA avrebbe analizzato solo individui normopeso.
- Senza l’IA, il calcolo della relazione avrebbe richiesto molto più tempo.