EON_613

EON

EWS

613

- NOVEMBRE 2017

’intelligenza artificiale (IA)

sta già influenzando le no-

stre vite, per esempio nei

filtri antispam delle mail,

o quando un’applicazione

offre la possibilità di sce-

gliere altri contenuti, che

prevede possano essere

interessanti, o nei suggeri-

menti che i motori di ricer-

ca propongono per rendere

più veloce la digitazione.

Anche i più recenti investi-

menti di

Google

nell’am-

bito delle tecnologie IA,

che possono essere di tipo

statistico o basate su un si-

stema di regole, sono sta-

ti un’ulteriore conferma di

come questo mondo stia

velocemente uscendo dai

laboratori per diventare

un’importante risorsa indu-

striale. Naturalmente, an-

che gli ‘spider’ di Google,

i programmi che cercano e

classificano le informazioni

sul web, sono applicazioni

di tecnologie di IA.

Nel mondo dell’automazio-

ne, un esempio può essere

quello di

Schneider Elec-

tric

, che già diversi anni fa

aveva acquisito un’azienda

australiana attiva nello svi-

luppo di sistemi basati su

reti neurali artificiali per ap-

plicazioni in ambito mine-

rario. Oggi, le reti neurali si

sono dimostrate essere uno

dei migliori sistemi in grado

di elaborare ed estrarre in-

formazioni dalle grandi moli

di dati prodotte dai sistemi

industriali moderni.

Un grande balzo in avanti

nel campo delle IA è dovu-

to ai nuovi hardware, che

nascono con architetture

predisposte ad applicazioni

massicciamente paralle-

le, come le moderne CPU

a core multipli o, ancora

meglio, le GPU, che sono

dotate di un architettura

ottimizzata per processa-

re funzioni di grafica, che

richiedono l’elaborazione

contemporanea di molti dati

in operazioni simili e con-

temporanee. Questi nuovi

hardware si sposano per-

fettamente con il concetto

di rete neurale artificiale,

dove un’unità relativamen-

te semplice opera paralle-

lamente a un gran numero

di sue simili, proprio come

avviene con i neuroni na-

turali, auto-configurando i

parametri di elaborazione

e le connessioni con le al-

tre unità, in modo da svol-

gere in maniera efficiente

un compito specifico. Nella

fase di apprendimento, le

reti neurali utilizzano degli

insiemi di dati predefiniti

e predisposti in modo da

poter verificare l’efficacia

dell’auto-configurazione,

fino a quando non dimo-

strano di aver raggiunto

autonomamente, per pro-

va ed errore, uno stato che

permetta di interpretare i

dati in maniera corretta.

I moderni hardware con-

sentono di aumentare, in

modo molto efficace ed

economico, il numero di

strati della rete neurale,

aumentando il totale di

unità che prelevano i dati

provenienti dallo strato

precedente, li elaborano

e stabiliscono le connes-

sioni con il successivo. In

pratica, si aumenta la pro-

fondità della rete neurale

e da questo proviene la

definizione anglosassone

di ‘deep learning’, che è

traducibile in italiano come

‘apprendimento profondo’.

Nelle applicazioni di deep

learning si è visto che l’ef-

ficienza della rete neurale

nello svolgere un determi-

nato compito aumenta in

maniera non lineare con

l’aggiunta dei diversi strati,

fino a raggiungere un va-

lore del rapporto efficacia

e complessità che cresce

molto più lentamente. Que-

ste tecnologie sono alla

base del netto incremen-

to in termini di prestazioni

che hanno avuto molti dei

software più recenti capaci

di effettuare la compren-

sione del linguaggio parla-

to, del testo scritto e delle

immagini.

Un ulteriore passo avan-

ti nella tecnologia dell’IA,

sarà quello di incorporare

nelle reti neurali artificiali la

capacità di apprendere dai

propri errori anche durante

il loro normale funziona-

mento, oltre che nella nor-

male fase di apprendimento

e configurazione, rendendo

attuale anche il concetto di

sistema esperto.

La macchina intelligente

al lavoro

ACOPO

LASIO

ACOPO

LASIO

Schema di una rete neurale artificiale: strato di ingresso (1),

strato nascosto (2), strato di uscita (3)

Il processo del ‘deep learning’ è possibile aumentando il numero di strati nascosti

Le applicazioni di intelligenza artificiale, grazie anche all’evoluzione

dell’hardware, stanno diventando sempre più frequenti e disponibili per l’industria

e la società e le tecnologie più comunemente utilizzate vanno dalle rete neurali

artificiali e, passando per il deep learning, arrivano ai sistemi esperti

ECNOLOGIE