EON_623

9 eseguire un determinato compito. Ciò che confonde è il fatto che queste appli- cazioni sono un mesh di differenti tecnologie, molte delle quali hanno nomi che comprendono il temine “le- arning”. Esistono, per esempio, tre tipi fondamentali di appren- dimento automatico: senza supervisione, supervisio- nati, apprendimento per rinforzo (reinforcement le- arning ). La Tesla e la rete neurale Le applicazioni più diffuse di apprendimento auto- matico utilizzano una rete neurale. Un esempio molto chiaro arriva dal sito www. andreamanini.com: “Nel cervello umano i neuroni sono interconnessi dalle sinapsi e ci consentono di ragionare e comandare ogni funzione e nervo del nostro corpo. In campo in- formatico la rete neurale è abbastanza simile, è com- posta da nodi ( neuroni ) e da archi. Nell’uso moder- no si intende però di solito con rete neurale una rete di neuroni artificiali, che cerca di simulare il funzionamen- to dei neuroni all’interno di un sistema informatico. Può essere composta sia da programmi sia da hardwa- pere quante tasse pagare. Allo stesso modo, l’intelli- genza artificiale è il campo della scienza che riguarda il modo in cui i computer possono prendere deci- sioni al posto degli umani, mentre machine-learning è quella comune e attua- le tecnica che permette di creare software per ‘ap- prendere’ dai dati”. Gli in- vestitori in venture capital spesso rifiutano applica- zioni di intelligenza artifi- ciale perché “hype”, gonfia- te, e preferiscono le startup che rendono il software di machine-learning un’appli- cazione commerciale, per esempio una piattaforma in grado di filtrare le email aziendali, con l’elaborazio- ne del linguaggio, oppure in grado di tracciare i clienti in un negozio grazie al rico- noscimento facciale. Vi sono invece università e alcune grandi aziende tec- nologiche, come Facebook e Google, che hanno gran- di laboratori che svolgono ricerche nell’ambito dell’AI. Molti degli strumenti che in- ventano, come TensorFlow di Google o Pytorch di Fa- cebook , sono liberamente disponibili online. Le applicazione più en- tusiasmanti oggi offrono ai computer la possibili- tà di “imparare” dai dati a che fanno parte della sfe- ra umana: pianificazione, comprensione del linguag- gio, riconoscimento di im- magini e suoni, risoluzione di problemi ecc… I metodi o modelli con cui l’intelligenza diventa abile in un compito o azione sono ciò che distinguono Machi- ne Learning e Deep Lear- nig. Dietro il nome di Deep Learning vi sono algoritmi, strutturati in diversi livelli, che hanno lo scopo di per- mettere al sistema informa- tico di comprendere come funziona il cervello umano e come analizza le immagini che gli arrivano dal nervo ot- tico e dal linguaggio. Parlia- mo di tecnologie del futuro? Assolutamente no. Siamo già nel presente, pensiamo alla traduzione automatica di Google, al riconoscimen- to vocale o delle immagini e nei sistemi di Nlp – Natural Language Processing, op- pure a una Social Media Company che utilizza una “rete neurale profonda” per riconoscere i volti. Uno dei primi strati descrive i bordi scuri attorno alla testa di qualcuno, un altro descrive i bordi di un naso e di una bocca e un altro descrive le macchie di ombreggiatura. Gli strati diventano sempre più astratti, ma messi insie- me possono rappresentare un intero volto. re dedicato. Spesso viene utilizzata per molti sistemi di intelligenza artificiale. In estrema sintesi, si tratta di un sistema informatico libe- ramente ispirato al cervello umano, che richiede avan- zati chip hardware a sup- porto”. Un esempio di utilizzo di rete neurale ci viene dalla Tesla . Elon Musk ha infatti deciso di implementare e sviluppare ulteriormente la rete neurale delle sue vet- ture. Quest’ultima è ora in grado di gestire una enor- me mole di informazioni (ri- spetto alla precedente ver- sione). Alla base del nuovo progetto di Tesla c’è l’im- piego di telecamere di sor- veglianza evolute. Infatti le nuove auto che sfrutteran- no la nuova tecnologia po- tranno contare su immagini molto più definite. La nuova rete neurale inoltre integra infatti le videocamere all’in- terno di un’unica rete e ciò permette di elaborare fin dall’inizio i dati raccolti in maniera omogenea, men- tre prima le videocamere erano gestite da reti diffe- renti e i dati integrati in un secondo momento e solo all’occorrenza. Machine Learning e Deep Learning L’Intelligenza Artificiale è in grado di svolgere compiti EON EWS n . 623 - OTTOBRE 2018 Fonte: www.pixabay.com Fonte: www.pixabay.com R EPORT