EO_506

ELETTRONICA OGGI 506 - NOVEMBRE/DICEMBRE 2022 44 TECH FOCUS NEURAL NETS futuro, non è sufficiente solo imparare qualche libreria, ma è necessario comprendere le informazioni durevoli e durature alla base del funzionamento delle reti neurali. Le tecnologie vengono e le tecnologie vanno, ma l’intuizione è per sempre. Le reti neurali per il riconoscimento della scrittura a mano di cifre Il sistema visivo umano è una dellemeraviglie del mondo. Si consideri una sequenza di alcune cifre scritte a mano. La maggior parte delle persone è in grado di riconoscere facilmente quelle cifre. Questa facilità è ingannevole. In ogni emisfero del nostro cervello, gli esseri umani hanno una corteccia visiva primaria contenente 140 milioni di neuroni con decine di miliardi di connessioni tra di loro. Eppure, la visione umana coinvolge non solo questa corteccia primaria, ma un’intera serie di cortecce visive che eseguono elaborazioni di immagini progressivamente più complesse. Portiamo nella nostra testa un supercomputer sintonizzato dall’evoluzione nel corso di centinaia di milioni di anni e superbamente adattato per comprendere il mondo visivo. Riconoscere le cifre scritte a mano non è facile. Piuttosto, noi umani siamo straordinariamente bravi a dare un senso a ciò che i nostri occhi ci mostrano. Ma quasi tutto quel lavoro viene svolto inconsciamente. E quindi, di solito, non ci rendiamo conto di quanto sia difficile il problema che i nostri sistemi visivi risolvono. La figura 1 riporta una serie di cifre scritte a mano utilizzate come esempi di confronto per il loro riconoscimento. La difficoltà del riconoscimento di schemi visivi diventa evidente se si tenta di scrivere un programma per computer per riconoscere cifre come quelle scritte a mano. Ciò che sembra facile, quando lo facciamo da soli diventa improvvisamente estremamente difficile. Semplici intuizioni su come riconosciamo le forme, ad esempio “un 9 ha un anello in alto e un tratto verticale in basso a destra”, si rivelano non così semplici da esprimeremediante algoritmi. Quando si tenta di rendere precise tali regole, ci si perde rapidamente in una palude di eccezioni, avvertimenti e casi speciali, e sembra senza speranza riuscirci. Le reti neurali affrontano il problema in modo diverso. L’idea è di prendere un gran numero di cifre scritte a mano, note come esempi di addestramento, e quindi sviluppare un sistema che possa imparare da tali esempi. In altre parole, la rete neurale utilizza gli esempi per dedurre automaticamente le regole per il riconoscimento delle cifre scritte a mano. Inoltre, aumentando il numero di esempi, la rete può imparare di più sulla scrittura a mano e quindi migliorarne la precisione. Si può ottenere un migliore riconoscimento della grafia usando migliaia o addirittura milioni o miliardi di esempi di addestramento. In figura 2 un esempio di un modello di una semplice rete neurale. In pratica, si scrive un programma per computer che implementa una rete neurale che impara a riconoscere le cifre scritte amano. Il programma nonoccorre che utilizzi librerie di reti neurali speciali, ma deve essere in grado di riconoscere le cifre con una precisione superiore almeno al 95% senza l’intervento umano. Inoltre, il programma deve essere predisposto ad implementare upgrade software per migliorare ulteriormente la precisione fino Fig. 1 – Serie di cifre scritte a mano Fig. 2 – Modello di una semplice rete neurale