L’assunto che i dataset siano puliti è la prima bugia di ogni progetto di machine learning. Nella realtà, e in particolare nei sistemi gestiti in proprio dalle aziende, i dati arrivano contaminati da errori di misura, etichette sbagliate, campioni anomali. Le tecniche correnti di reti neurali deep randomizzate — come le dRVFL e le loro varianti ensemble — trattano ogni esempio di training alla stessa stregua, propagando il rumore strato dopo strato e minando la capacità decisionale del modello.

Un team di ricerca ha affrontato il problema dal lato del campione, non dell’architettura. Propone due framework, IF-dRVFL e IF-edRVFL, che incorporano la teoria fuzzy intuitionistica per assegnare pesi adattivi a ogni punto del training. La chiave sta nell’uso congiunto di due misure: il grado di appartenenza di un campione alla propria classe (calcolato come distanza dal centroide) e il grado di non-appartenenza, che quantifica l’eterogeneità nel vicinato kernel. In pratica, il modello impara a distinguere automaticamente tra esempi puliti, rumorosi e veri outlier, riducendo l’influenza di questi ultimi.

L’impatto per chi gestisce pipeline di inference in locale è concreto. In un’infrastruttura on-premise, dove la sovranità dei dati impedisce di appoggiarsi a servizi cloud per la pulizia automatica, disporre di un classificatore che non necessita di pre-processing aggressivo significa ridurre i costi di manutenzione del dato e aumentare l’affidabilità delle predizioni senza dover condividere informazioni all’esterno. I test su benchmark UCI e KEEL, anche in presenza di rumore gaussiano aggiunto, mostrano una superiorità netta rispetto agli approcci fuzzy e non fuzzy esistenti — un risultato che non sorprende chi ha sempre visto il peso uniforme come il punto debole delle random networks.

C’è una lettura strutturale. Mentre il dibattito sull’intelligenza artificiale si polarizza tra modelli sempre più grandi e costosi, lavori come questo ricordano che l’efficacia di un sistema dipende anche dalla resilenza al disordine dei dati reali. Per le organizzazioni che investono in stack on-premise, dove l’hardware è una risorsa limitata e i dati vanno trattati con il massimo controllo, aggiungere un meccanismo di pesatura fuzzy non è un vezzo accademico: è un’assicurazione contro il degrado silenzioso delle performance. Il codice è disponibile su GitHub, un dettaglio non secondario per chi integra soluzioni su misura senza dipendere da vendor lock-in.

Certo, la proposta non risolve tutti i problemi: la complessità computazionale del calcolo dei centroidi e delle distanze nel kernel space potrebbe non essere banale su dataset molto estesi, e i test restano confinati a dataset da benchmark. Ma il principio — spostare l’attenzione dall’architettura alla qualità dei campioni — è una direzione che chi sviluppa per ambienti locali dovrebbe tenere d’occhio, specie quando l’alternativa è sprecare capacità di calcolo su dati sporchi.