EO_497

ELETTRONICA OGGI 497 - OTTOBRE 2021 27 TECH-FOCUS ARTIFICIAL INTELLIGENCE Machine Learning, reti neurali e Deep Learning a cura Fulvio De Santis In questo articolo viene presentata una panoramica sugli attuali metodi di apprendimento automatico (machine learning) e del loro utilizzo nel settore della ricerca, concentrandosi sui metodi dell’apprendimento automatico e il deep learning (apprendimento profondo). L’obiettivo dell’articolo è di fornire al lettore, anche se non ha un ampio background tecnico di programmazione informatica, una migliore comprensione del potenziale e delle sfide dell’intelligenza artificiale Nell’ultimo decennio, l’Intelligenza Artificiale (IA) è di- ventata un argomento popolare sia all’interno sia all’e- sterno della comunità scientifica; un’abbondanza di ar- ticoli in riviste tecnologiche, ma anche non basate sulla tecnologia, ha trattato gli argomenti di machine learning (ML), deep learning (DL) e AI. Tuttavia, c’è ancora confu- sione su AI, ML e DL. I termini sono strettamente asso- ciati ma non sono intercambiabili. Nel 1956, un gruppo di scienziati informatici propose che i computer potessero essere programmati per pensare e ragionare, ovvero “che ogni aspetto dell’apprendimento o qualsiasi altra caratte- ristica dell’intelligenza potrebbe, di principio, essere de- scritto in modo così preciso che una macchina potrebbe essere realizzata per simularlo”. Questo principio è stato descritto come “Intelligenza Artificiale”. In poche parole, l’IA è un campo focalizzato sull’automazione di compi- ti intellettuali normalmente eseguiti dagli esseri umani, e ML e DL sono metodi specifici per raggiungere questo obiettivo, ossia, sono nel dominio dell’IA. Tuttavia, l’IA include approcci che non comportano alcuna forma di “apprendimento”. Ad esempio, il sottocampo noto come IA simbolica[1] si concentra su regole di hardcoding (cioè, scrittura esplicita) per ogni possibile scenario in un parti- colare dominio di interesse. Queste regole, scritte da esseri umani, derivano da una conoscenza a priori del particolare soggetto e compito da espletare. Ad esempio, se si dovesse programmare un algoritmo per modulare la temperatura della stanza di un ufficio, probabilmente l’algoritmo sa già quali temperature sono comode per gli esseri umani per lavorare, e programmerebbe la stanza per raffreddare se le temperature superano una soglia specifica o riscaldare se scendono al di sotto di una soglia. Sebbene l’IA sia abile