EO_514

TECH FOCUS NEURAL NETS Un approccio alla comprensione delle reti neurali artificiali Fulvio De Santis Le reti neurali sono uno dei più affascinanti paradigmi di programmazione mai inventati. Nell’approccio convenzionale alla programmazione, diciamo al computer cosa fare, suddividendo i grandi problemi in tanti piccoli compiti definiti con precisione che il computer può facilmente eseguire. Al contrario, una rete neurale risolve il nostro problema imparando dai dati osservativi, trovando la propria soluzione al problema in questione. In questo articolo descriveremo un approccio alla comprensione delle reti neurali e del deep learning senza grandi sforzi mentali, i concetti fondamentali delle reti neurali artificiali, comprese le tecniche moderne per il deep learning che costituiscono gli strumenti per risol- vere problemi, dai più semplici ai più complessi. Il concetto alla base dell’approccio orientato ai principi, si concentra sulla convinzione che è meglio ottenere una solida comprensione dei principi fondamentali delle reti neurali e del deep learning, piuttosto che una compren- sione confusa di una lunga lista di idee. Una volta ben compresi questi principi fondamentali, si è in grado di comprendere rapidamente anche altro nuovo materia- le. In termini di linguaggio di programmazione, si deve avere l’idea di avere a che fare con un nuovo linguaggio di cui occorre avere la padronanza della sintassi di base, librerie e strutture di dati. Il deep learning A un livello molto elementare, il deep learning (appren- dimento profondo) è una speciale tecnica di machine le- arning (apprendimento automatico). La tecnica del deep learning “insegna” a una macchina (ad esempio, un computer) a filtrare gli input per impa- rare a prevedere e classificare le informazioni. Le osser- vazioni (i dati di input) possono essere sotto forma di im- magini, testo o suono. L’ispirazione per il deep learning è il modo in cui il cer- vello umano filtra le informazioni. Il suo scopo è imitare il funzionamento del cervello umano per creare un vero cervello artificiale. Infatti, il deep learning tenta di imi- tare l’attività che avviene negli strati di neuroni nella ne- ocorteccia che costituiscono una rete neurale artificiale. Nel cervello umano ci sono circa 100 miliardi di neuroni. Ogni neurone si connette a circa 100.000 dei suoi neuroni vicini. Questo è ciò che si sta cercando di creare, ma in un modo e a un livello che funzioni per le macchine. Oggigiorno, la tecnologia dell’apprendimento automatico sembra molto promettente. Tuttavia, fino a quasi due de- cenni fa, non sapevamo come addestrare le reti neurali a superare gli approcci più tradizionali, ad eccezione di alcu- ni problemi specializzati. Ciò che è cambiato da quegli anni passati ad oggi, è stata la scoperta di tecniche per l’appren- dimento nelle cosiddette reti neurali profonde. Queste tec- niche sono ora note come deep learning. Nel tempo, sono state ulteriormente sviluppate e oggi le reti neurali profonde e il deep learning raggiungono pre- stazioni eccezionali in molte applicazioni come la visione artificiale, riconoscimento vocale ed elaborazione del lin- guaggio naturale. Le reti neurali vengono implementate su larga scala da aziende come Microsoft, Google e Facebook . Lo scopo di questo articolo è di aiutare a comprendere, ELETTRONICA OGGI 514 - NOVEMBRE/DICEMBRE 2023 32