Reti neurali artificiali – Parte 1
Cosa distingue il nostro cervello da un computer?
Il cervello umano è un’incredibile macchina capace di elaborare informazioni, compiere azioni e apprendere. Il cervello utilizza dei veri e propri elementi computazionali, i neuroni, che si interconnettono a formare una rete di comunicazione chiamata rete neurale biologica.
La conformazione biologica della nostra potentissima capocciona ha ispirato la creazione di modelli computazionali artificiali basati su reti neurali, sofisticate forme di intelligenza artificiale.
A cosa servono questi “neuroni artificiali”?
Le reti neurali artificiali sono utili nell’elaborare dati complessi e hanno svariate applicazioni in vari settori, dalla medicina alla finanza. Sono basati su questa tecnologia, ad esempio, i programmi di riconoscimento vocale (Siri, Alexa, Google).
Prima di capire qual è la differenza tra le reti neurali artificiali e quelli biologiche, dobbiamo prima fare una piccola digressione su come funziona l’intelligenza artificiale.
L’intelligenza artificiale
Le reti neurali artificiali sono usate nel deep learning, un sottoinsieme del machine learning, che è una branca dell’intelligenza artificiale… che al mercato mio padre comprò.
Okay, partiamo dalle basi.
Un computer tradizionale funziona, più o meno, così: vengono forniti dei dati, detti input; questi sono elaborati attraverso degli algoritmi e creano degli output, ossia il prodotto finale che viene sputato fuori dal computer.
Supponiamo di dare in pasto a un computer una serie di pallini colorati e di voler selezionare soltanto i pallini di colore rosso. L’input saranno tutti pallini, l’output, invece, sono i pallini rossi.
Nei computer tradizionali, gli algoritmi sono prefissati e noti. Ciò significa che il computer eseguirà solo e soltanto quello che è stato programmato a fare e nel modo in cui il programmatore lo ha sviluppato. Nel nostro caso di prima, quindi, il programmatore dovrà elaborare un algoritmo che selezioni efficientemente i pallini rossi, svilupparlo e programmare il computer.
Ecco, il machine learning va oltre questa concezione di computer come esecutore e ha sviluppato una nuova categoria di computer capaci di imparare a svolgere un determinato compito.
Com’è possibile?
L’apprendimento
Imparare è una cosa difficilissima!
Imparare vuol dire acquisire delle conoscenze nuove e utilizzarle per formare nuovi pensieri e svolgere nuove attività.
L’apprendimento è un processo iterativo: si impara ripetendo più e più volte fin quando non si riesce nell’impresa. Come dice mio padre (fonte autorevole) “daje e daje, pure li piccioni se fanno quaie”.
Nella tecnologia machine learning, quando il computer crea l’output desiderato (nel nostro caso, un pallino rosso), non solo riesce a risolvere quel problema specifico (selezionare i pallini rossi), ma è in grado di “imparare” ad utilizzare la stessa metodologia ogni qual volta che è posto di fronte a quel set di dati (nel nostro caso, dei pallini colorati).
Il machine learning
Così come un bambino impara a selezionare determinate cose in base alla richiesta del genitore, così il machine learning “impara” a selezionare determinati algoritmi per creare un certo output.
Tuttavia, nel machine learning, i vari algoritmi sono diretti da un programmatore che esamina le variabili del set di dati. Possiamo, quindi, dire che il machine learning ha un certo grado di autonomia perchè è in grando di creare un modello di algoritmi a partire dal set di dati che gli viene fornito.
L’evoluzione del machine learning si chiama deep learning e stratifica gli algoritmi per creare un “network neurale artificiale”.
Il deep learning
Il deep learning è in grado di interpretare le caratteristiche dei dati forniti e le loro relazioni usando network neurali artificiali che passano le informazioni rilevanti attraverso un processo fatto di passaggi consecutivi.
Una volta implementati, gli algoritmi deep learning sono generalmente autonomi nell’analisi dei dati.
Nel deep learning, gli algoritmi sono strutturati su diversi livelli per estrarre progressivamente l’output dall’input. Ad ogni livello si aggiunge un grado maggiore di informazioni rilevanti creando, quindi, una gerarchia di selezione. Questa gerarchia permette al computer di imparare concetti complicati costruendoli a partire da quelli più semplici, via via aggiungendo livelli nuovi.
Questa struttura si basa proprio sui network neurali artificiali, che prendono spunto dai network neurali biologici presenti nel nostro cervello.
Qual è, quindi, la differenza tra le reti neurali artificiali e il cervello umano?
Per scoprirlo, leggete il prossimo articolo di Missione Scienza.
Fonti:
- https://neurophysics.ucsd.edu/courses/physics_171/Buzsaki%20G.%20Rhythms%20of%20the%20brain.pdf
- https://www.cell.com/neuron/pdf/S0896-6273(16)30957-6.pdf
- http://proceedings.mlr.press/v97/zhou19d/zhou19d.pdf
- https://openreview.net/pdf?id=rkjZ2Pcxe
- https://www.youtube.com/watch?v=aircAruvnKk&t=203s
- https://www.youtube.com/watch?v=qPix_X-9t7E
Scienziata italiana, ricercatrice nel Regno Unito.
Impiego sempre troppo tempo a spiegare che, pur essendo un dottore, non sono un medico. Mi occupo di ricerca sul cancro, immunoterapia e cerco di capire come funziona lo stress nel corpo umano.
