Riassunto analitico
Il machine learning è ormai alla base di svariati aspetti della società moderna: dalle ricerche sul web al filtraggio e raccomandazione dei contenuti, dall’identificazione degli oggetti nelle immagini alla trascrizione della lingua parlata in testo. Tutte queste applicazioni fanno uso di una classe di algoritmi e di tecniche che appartengono ad una branca dell’intelligenza artificiale chiamata deep learning. Esso costituisce una delle principali fonti di successo per l’ambito IA. Grazie alle reti neurali artificiali in grado di analizzare automaticamente i dati, questo ambito sta vivendo anni di rapido progresso, arrivando anche, in molti casi, a superare le prestazioni degli esseri umani. Questo studio in particolare si concentra sull’ambito dell’elaborazione del linguaggio naturale applicato al mondo dell’editoria e, più precisamente, verte sull’implementazione di queste tecniche per la realizzazione semi-automatica di manuali per lo smontaggio e il rimontaggio di macchine agricole, frutto di un’esperienza di tirocinio svolta pressa l’azienda Ammagamma. Partendo dal modello StanfordNLP per la lingua italiana sviluppato, appunto, dalla Stanford University è stato possibile generare la base di dati di partenza attraverso un’accurata e completa analisi del testo dei manuali già realizzati in precedenza. Per la generazione di quelli nuovi è stato proposto un modello in grado di utilizzare questi dati per creare nuove guide sotto forma di bozza, in modo da offrire la possibilità di modificare e/o ampliare il risultato ottenuto. L’obiettivo, dunque, è quello di automatizzare il più possibile il processo di realizzazione dei manuali, riducendo sensibilmente i tempi e i costi grazie all’utilizzo di un software pratico ed efficace che integra il modello appena descritto.
|
