Dizionario AI › Fondamenti AI

Data augmentation

Il data augmentation, o aumento dei dati, è la tecnica che genera nuovi esempi di addestramento a partire da quelli già disponibili, applicando trasformazioni che ne cambiano l'aspetto senza alterarne il contenuto essenziale. Serve a rendere un dataset di addestramento più grande e più vario senza dover raccogliere ed etichettare nuovi dati da zero, un'operazione spesso costosa o semplicemente non praticabile su larga scala.

Definizione

Come funziona

Nella visione artificiale le trasformazioni tipiche includono ruotare, ribaltare, ritagliare, cambiare luminosità e contrasto o aggiungere rumore a un'immagine, mantenendo però l'etichetta originale invariata, un gatto ruotato di dieci gradi resta un gatto. Nell'elaborazione del linguaggio si usano tecniche come la sostituzione di parole con sinonimi, la traduzione andata e ritorno tra due lingue per ottenere una formulazione diversa dello stesso testo o l'inserimento controllato di piccole variazioni. In ambito audio si applicano cambi di tono, velocità o l'aggiunta di rumore di fondo. L'idea comune a tutte le varianti è insegnare al modello a riconoscere ciò che conta davvero, ignorando le variazioni superficiali che non dovrebbero influenzare la previsione.

Applicazioni

È una pratica fondamentale nel deep learning, dove i modelli hanno milioni o miliardi di parametri e richiedono grandi quantità di dati per evitare l'overfitting: quasi ogni pipeline di addestramento per immagini include qualche forma di augmentation. È particolarmente preziosa in ambiti dove i dati reali sono scarsi o costosi da ottenere, come la diagnostica medica per immagini, dove non è sempre possibile raccogliere migliaia di casi rari, o la robotica, dove simulare variazioni dell'ambiente riduce la necessità di sperimentazione fisica.

Storia ed etimologia

Le prime applicazioni sistematiche del data augmentation nel riconoscimento di immagini risalgono agli anni '90 e primi 2000, ma la tecnica diventa uno standard consolidato con la rinascita del deep learning a partire dal 2012, quando l'architettura AlexNet, che vinse in modo dominante la competizione ImageNet di quell'anno, utilizzò estensivamente trasformazioni di ritaglio e riflessione delle immagini per moltiplicare artificialmente la quantità di dati di addestramento disponibili e ridurre l'overfitting su una rete con milioni di parametri.

Termini correlati

• Dati sintetici
• Overfitting
• Data labeling (Etichettatura dei dati)
• Dati di addestramento (Training Data)
• Computer Vision

Altri termini in Fondamenti AI

• LLM (Large Language Model)
• Token
• Context Window
• Temperature
• Allucinazione (AI Hallucination)
• Fine-tuning
• RAG (Retrieval Augmented Generation)
• Embedding

Mettilo alla prova

• Scenario reale: applica questo concetto con un verdetto AI immediato.
• Palestra quotidiana: brevi esercizi per allenare i concetti del dizionario.
• Gioco Playoff: sfida altri giocatori, a eliminazione diretta.

📱 Scarica l'app Android (beta) iOS in arrivo

Dì quello che intendi. Ottieni quello che ti serve.

Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.