Il riconoscimento di modelli è la capacità di rilevare disposizioni di caratteristiche o dati che forniscono informazioni su un dato sistema o insieme di dati. In un contesto tecnologico, un modello potrebbe essere sequenze ricorrenti di dati nel tempo che possono essere utilizzate per prevedere tendenze, configurazioni particolari di caratteristiche nelle immagini che identificano oggetti, combinazioni frequenti di parole e frasi per l'elaborazione del linguaggio naturale (PNL) o cluster particolari di comportamento su una rete che potrebbe indicare un attacco - tra quasi infinite altre possibilità.
Il riconoscimento dei modelli è essenziale per molte aree sovrapposte dell'IT, tra cui analisi dei big data, identificazione biometrica, sicurezza e intelligenza artificiale (AI).
Alcuni esempi di riconoscimento di pattern:
Il software di riconoscimento facciale acquisisce i dati relativi alle caratteristiche del viso di una persona e utilizza un algoritmo per abbinare quel modello specifico a un singolo record in un database.
Gli algoritmi di riconoscimento del pattern nel software meteorologico possono rilevare connessioni ricorrenti tra i dati meteorologici che possono essere utilizzati per prevedere probabili eventi meteorologici futuri.
Le regole del software di rilevamento delle intrusioni di rete (NID) descrivono modelli di comportamenti ed eventi che possono indicare traffico illegale.
Nel 1997, Deep Blue di IBM ha utilizzato la sua capacità di riconoscere gli schemi di gioco per sconfiggere il campione mondiale di scacchi Garry Kasparov.
Nel contesto dell'IA, il riconoscimento di modelli è una sottocategoria dell'apprendimento automatico (ML).