Ascolta l'articolo
Indice
- Storia delle Reti Neurali
- Cosa sono le reti Neurali?
- A cosa servono le reti neurali
- Reti neurali profonde
- Conclusione
Più si va avanti e più la tecnologia fa dei passi importanti, si evolve, e con essa anche gli strumenti che ne derivano. Le reti neurali ad esempio, sono fondamentali per lo sviluppo dell’intelligenza artificiale e del machine learning e non sono altro che algoritmi computazionali ispirati al cervello umano che imitano il sistema neurale biologico.
In questo articolo approfondiremo la loro storia, il loro funzionamento e le reti neurali profonde.
Storia delle Reti Neurali
Tutto ha inizio con la pubblicazione di “A logical calculus of the ideas immanent in nervous activity” nel 1943, quando Warren Sturgis McCulloch e Walter Pitts (rispettivamente neurofisiologo e matematico), provano a modellare un neurone artificiale. L’articolo da loro pubblicato presentava un modello di neurone artificiale nonché un’estrazione matematica delle cellule nervose reali presenti nel cervello.
Tale pubblicazione, ha introdotto il concetto dell’attivazione dei neuroni in base a un insieme di ingressi e ha descritto la trasmissione di segnali attraverso connessioni sinaptiche. Inutile specificare che questo articolo ebbe un impatto significativo nel campo delle reti neurali e dell’intelligenza artificiale.
Nel 1949, lo psicologo canadese Donald Holding Hebb, iniziò a spiegare i modelli complessi del cervello e ad estrapolare le prime ipotesi di apprendimento delle reti neurali. A lui è dovuto il merito di aver introdotto “L’apprendimento Hebbiano” , si basa sul principio che se due neuroni si attivano contemporaneamente, la loro interconnessione deve essere rafforzata.
Nel 1958 venne presentato il primo schema di rete neurale chiamato Perceptron, presentato dallo psicologo e computer scientist americano Frank Rosenblatt. Lo schema sostanzialmente indica una rete con uno strato di ingresso e uno di uscita, inoltre vi è un ulteriore strato intermedio basato sull’algoritmo “error back-propagation”.
Nel 1986 David Rumelhart introdusse il terzo strato delle reti neurali, il cosiddetto algoritmo di retropropagazione dell’errore, algoritmo oggi utilizzato nell’apprendimento con supervisione.
Dagli anni ’80 in poi il percorso di avanzamento non si è più arrestato e ad oggi si sta già lavorando ai chip neuromorfici che imitano il funzionamento del cervello umano.
Cosa sono le reti neurali?
Le reti neurali sono dei modelli matematici che si ispirano al funzionamento biologico del cervello, sono costituite da un insieme di elaborazioni chiamate neuroni artificiali che sono connesse tra loro da pesi sinaptici.
A cosa servono le reti neurali?
Le reti neurali sono progettate per apprendere da esempi e dati di addestramento al fine di fare previsioni o prendere delle decisioni. Durante la fase di addestramento, viene utilizzato l’algoritmo introdotto da David Rumelhart (di retropropagazione dell’errore) per regolare le prestazioni complessive.
Reti Neurali profonde
Le reti neurali profonde chiamate anche DNN (Deep Neural Networks) sono un tipo di rete neurale caratterizzata da più strati nascosti di neuroni artificiali, e da qui deriva la differenza con le reti neurali tradizionali. Le DNN infatti, possono avere addirittura centinaia di strati nascosti rispetto alle reti neurali normali, che gli permettono di apprendere rappresentazioni di dati più complesse e di risolvere una maggiore quantità di problemi. Uno dei vantaggi delle DNN è quello dell’ “Apprendimento profondo”, consiste nell’ambito della visione artificiale (come nel caso del nostro software ADR-flow), di superare anche l’uomo nella classificazione delle immagini.
Conclusione
Le reti neurali sono di fondamentale importanza per lo sviluppo nell’ambito dell’apprendimento automatico e dell’intelligenza artificiale, hanno portato progressi significativi in molti settori e il loro sviluppo continuerà ad aprire nuove prospettive nel campo dell’AI.
