Le reti neurali e l’intelligenza artificiale
Le reti neurali sono una tecnologia che permette di eseguire i complessi calcoli richiesti dall’intelligenza artificiale.
L’intelligenza artificiale è la capacità da parte di macchine (composte da hardware e software) di eseguire comportamenti tipicamente umani, come la comprensione di un testo, il prendere decisioni in base a delle informazioni, o eseguire azioni in modo autonomo.
L’Intelligenza Artificiale (nota anche come AI) nasce nel 1943 quando i due ricercatori Warren McCulloch e Walter Pitt proposero al mondo scientifico il primo neurone artificiale, nucleo delle reti neurali. Viene successivamente teorizzata negli anni ’50 da Alan Turing.
Alla base dell’AI ci sono gli algoritmi che ormai governano il funzionamento di tutte le macchine e le tecnologie che conosciamo: dai sistemi di controllo del traffico a Facebook, dalle centraline elettroniche delle automobili agli smartphone, fino a svolgere attività sempre più complesse, come l’apprendimento profondo.
Gli algoritmi
Cosa sono gli algoritmi? L’algoritmo è una procedura risolve un qualsiasi tipo di problema attraverso l’esecuzione di azioni elementari.
In informatica, l’algoritmo consiste in una sequenza finita di istruzioni date a una macchina per eseguire determinate azioni.
Le reti neurali artificiali
Le reti neurali artificiali, in inglese ANN (“Artificial Neural Network”) consistono in un modello matematico/informatico di calcolo che “simula” il comportamento delle reti neurali biologiche del cervello umano che, a differenza delle macchine, riesce a compiere più operazioni tra loro indipendenti contemporaneamente.
Una ANN può essere formata sia da programmi software che hardware e si basa su una rete di interconnesioni tra tre tipi di nodi che si scambiano informazioni:
- I – input: i nodi che ricevono ed elaborano i segnali proveniente dall’esterno adattandoli ai nodi interni;
- H – hidden: i nodi che realizzano il processo di elaborazione vero e proprio (tramite appunto l’impiego di algoritmi) ognuno indipendentemente dall’altro;
- O – output: i nodi che raccolgono i risultati dell’elaborazione dello strato H e li adattano al successivo blocco di rete neurale.
Apprendimento profondo
Lo sviluppo di reti neurali sempre più complesse ha permesso la creazione di modelli di apprendimento ispirati alla struttura del cervello umano: l’apprendimento profondo (in inglese deep learning) consiste nella capacità di un algoritmo di apprendere autonomamente a partire dagli input e prendere decisioni autonome, cioè non impartite da istruzioni date esternamente. Il deep learning permette, ad esempio, a una macchina di riconoscere una persona attraverso il tono della sua voce o la fisionomia del suo viso, oppure alla comprensione di un testo tramite riconoscimento di pattern. Raggiungere un tale livello tecnologico richiede, però, oltre a reti neurali appositamente elaborate e una capacità computazionale elevata, algoritmi di notevole fattura.
Il convegno sull’Intelligenza Artificiale dell’Università di Siena
Sul tema dell’AI e dell’apprendimento profondo l’Università degli Studi di Siena ha organizzato un interessante convegno, tenutosi il 17 aprile 2018, con la partecipazione del professore Paolo Massimo Buscema, del Dipartimento di Scienze Fisiche, della Terra e dell’Ambiente.
Il convegno ha trattato dei diversi tipi di algoritmi per capire quali sono in grado di acquisire un apprendimento “apparentemente” profondo e quali mostrano un apprendimento “realmente” profondo.
