Reti Neurali

Reti Neurali

Computer quantistico

Nel campo dell’intelligenza artificiale è facile sentire parlare di reti neurali artificiali. Una rete neurale artificiale è un modello computazionale composto da neuroni artificiali che si ispirano alla rete neurale biologica. Queste reti neurali vengono create attraverso dei programmi software o hardware dedicati e vengono utilizzate principalmente per risolvere problemi legati all’intelligenza artificiale.

Andando nello specifico, una rete neurale artificiale è un modello di calcolo matematico basato sul funzionamento di una rete neurale biologica. Questo modello è costituito da interconnessioni di informazioni derivate da processi di calcolo basati sul connessionismo. Questa nuova tecnologia informatica ha una forte analogia con la struttura del cervello umano: infatti è composta da molti semplici processori paralleli fortemente integrati da una rete di connessioni che lavorano esattamente come i neuroni del cervello umano. L'attività della singola unità è semplice e la potenza del modello risiede nella configurazione delle connessioni. Partendo dalle unità di input, a cui vengono forniti i dati dei problema da risolvere, la computazione si propaga in parallelo nella rete fino alle unità di output, che forniscono il risultato. Una rete neurale non viene programmata per eseguire una certa attività, ma addestrata mediante una serie di esempi della realtà da modellare. Le reti neurali rientrano pienamente nell’Intelligenza artificiale e si collocano nel settore dell’apprendimento automatico. Le reti neurali possono essere applicate in diverse situazioni: per il riconoscimento di segnali percettivi, per la diagnosi e gestione di apparati complessi in tempo reale, per il controllo dei movimento di robot e veicoli autonomi, per un accesso in tempo reale a grandi quantità di dati o per soluzioni approssimate in tempo reale di problemi computazionalmente intrattabili.

Quando sono nate le reti neurali?

Si è parlato di reti neurali per la prima volta nel 1943, quando W.S McCulloch e Walter Pitts proposero il primo neurone artificiale che prevedeva dati binari multipli in entrata e un singolo binario in uscita: la rete veniva formata combinando tutti questi elementi che erano in grado di calcolare delle semplici equazioni booleane. Ma il primo schema di rete neurale, chiamato Perceptron, venne presentato da Frank Rosenblatt nel 1958: questa rete aveva uno strato di ingresso e uno di uscita e costituì un progresso decisivo rispetto al modello binario di McCulloch e Pitts. Questo modello di rete però, presentava dei forti limiti perché era una rete poco potente. Venti anni dopo, nel 1986, David Rumelhart introdusse il terzo strato delle reti neurali presentando l’algoritmo di retropropagazione dell’errore, un metodo per l’addestramento delle reti neurali MLP (Multi-Layers Perceptron). Questa tecnica d’apprendimento tramite esempi era possibile trattare unicamente applicazioni caratterizzabili come funzioni booleane linearmente separabili. Negli anni ‘70 sono usciti i primi linguaggi di programmazione per l’Intelligenza Artificiale e da quel momento in poi è iniziato un veloce percorso di avanzamento tecnologico che ha portato fino ad oggi.

A cosa servono le Reti Neurali

Contatti
Syrus Industry

Via del Fontanile Anagnino 173
00118, Roma (RM)

info@syrusindustry.com

www.syrusindustry.com

vai a contatti