15 giugno 2018

Quanto può apprendere una macchina? alla scoperta del Deep Learning

Quanto può apprendere una macchina?

Intorno alla metà del secolo scorso un gruppo di ricercatori nell’ambito della computazione decise di sviluppare una macchina in grado di simulare ogni aspetto dell’apprendimento e dell’intelligenza umana.
Da allora la storia dell’intelligenza artificiale ha avuto uno sviluppo piuttosto repentino.
I primi tentativi prevedevano che la macchina si attenesse a regole prestabilite, tornando indietro quando commetteva un errore. Il machine learning (siamo negli anni 80’) introdusse le reti neurali e l’abilità della macchina di “imparare” in autonomia, valutando una grande mole di dati. Queste reti neurali sono composte da strati di neuroni che fungono da interruttori on/off per creare percorsi neurali simili a quelli costruiti dal cervello umano.

Nell’ultimo decennio l’aumento del numero di strati di neuroni permise maggiore profondità della rete: fu così che nacque il deep learning. Esso prevede che una grandissima quantità di dati del problema che si vuole studiare venga fornita alla macchina (fase di training) che provvederà a gnerare dei percorsi neurali atti a riconoscere strutture interne del problema.

Una seconda fase (testing) verifica l’accuratezza di quanto appreso dalla macchina. L’apprendimento può variare a seconda della quantità di dati immessi e della velocità con cui si vuole che la macchina apprenda. Una volta raggiunto un sufficiente grado di attendibilità si può ritenere la macchina istruita e pronta a svolgere i più diversi e complicati lavori negli ambiti più disparati.

Il deep learning è ciò che sta dietro al riconoscimento facciale, riconoscimento e localizzazione di oggetti, suggerimenti di prodotti, ma anche interpretazione di immagini medicali e sismiche.

i campi in cui si sta lavorando per migliorare le reti neurali e il Deep Learning sono diversi, e vanno dai programmi di diagnostica in medicina a quelli del controllo di qualità nelle produzioni industriali.

Probabilmente la diagnostica medica è un settore in cui l’interesse per lo sviluppo delle reti neurali è maggiore, visto che in molti casi già vengono utilizzati algoritmi a supporto degli specialisti. Il successo delle reti neurali nel settore medico è dato proprio dalla complessità del corpo umano e, quindi, delle differenti e probabili soluzioni delle diagnostiche stesse.

Queste, infatti, si basano per la maggior parte delle volte su esperienze precedenti che il medico ha avuto, vissuto o studiato e che gli permettono di rilasciare una diagnosi specifica.

Uno dei campi di applicazione del Deep Learning che maggiormente interessa il grande pubblico è probabilmente quello relativo alla guida autonoma. Si tratta ancora di fasi sperimentali e prototipi, ma sono in molti ad aver realizzato degli algoritmi che permettono di insegnare alle auto come guidare in assenza di un pilota umano.

Notizie correlate: