Il deep learning è una delle principali tecnologie del Machine Learning e dell’intelligenza artificiale. Scopriremo in questo articolo che cosa è questa tecnologia, come funziona, e le sue diverse aree di applicazione.
Il deep learning ( l’apprendimento profondo) è una forma di intelligenza artificiale, derivata dalla Machine learning (apprendimento automatico). Per capire che cosa è il deep learning, è importante capire che cosa è la machine learning.
Deep learning
Il concetto di Machine learning apprendimento automatico risale alla metà del XX secolo. Negli anni 1950, il matematico britannico Alan Turing immaginava una macchina capace di imparare, una “learning Machine”. Nei decenni successivi sono state sviluppate diverse tecniche di apprendimento automatiche per creare algoritmi in grado di imparare e migliorare in modo indipendente.
I concetti di Deep learnind e vs Machine learning
Queste tecniche includono le reti neurali artificiali. È su questi algoritmi che si basano un apprendimento profondo, ma anche tecnologie come il riconoscimento delle immagini o la visione robotica. Le reti neurali artificiali sono ispirate dai neuroni del cervello umano. Sono costituiti da diversi neuroni artificiali collegati tra loro. Più alto è il numero di neuroni, più profonda è la rete.
Deep larning (Apprendimento profondo): come funziona il Deep learning Neuroni
All’interno del cervello umano, ogni neurone riceve circa 100 000 segnali elettrici da altri neuroni. Ogni neurone attivo può produrre un effetto eccitante o inibitorio su quelli a cui è collegato. In una rete artificiale, il principio è simile. I segnali viaggiano tra i neuroni. Tuttavia, invece di un segnale elettrico, la rete neurale assegna un certo peso a neuroni diversi. Un neurone che riceve più carico eserciterà più effetto sui neuroni adiacenti. Lo strato finale dei neuroni emette una risposta a questi segnali.
Per capire come funziona il deep learning , prendiamo un esempio concreto di riconoscimento delle immagini. Immaginate che la rete neurale sia usata per riconoscere le foto che hanno almeno un gatto. Per essere in grado di identificare i gatti nelle foto, l’algoritmo deve essere in grado di distinguere i diversi tipi di gatti, e di riconoscere un gatto in un modo preciso, indipendentemente dall’angolo sotto il quale è fotografato.
Deep learning qualche esempio applicativo
Il deep learning può essere usato in molti campi. È ad esempio questa tecnologia che viene utilizzata per il riconoscimento facciale di Facebook, ad esempio, al fine di identificare automaticamente i tuoi amici nelle foto. È anche questa tecnologia che permette il riconoscimento facciale Face ID di iPhone X di Apple di migliorare nel tempo. Come spiegato in precedenza, l’apprendimento automatico è anche la tecnologia centrale del riconoscimento delle immagini.
Per tradurre conversazioni orali in tempo reale, software come Skype o traduzione di Google si basano anche sull’apprendimento automatico. È anche grazie a questa tecnologia che Google intelligenza artificiale Deepmind AlphaGo è riuscito a trionfare sul campione del mondo. Negli ultimi anni, con l’avvento delle reti neurali di convoluzione, il deep learning è stato al centro della visione computerizzata e della visione robotica.
Come spiega il professor Peter Corke, dato che le reti neurali artificiali mimano il funzionamento del cervello umano, le possibilità offerte da questa tecnologia aumenteranno quando scopriremo i segreti del nostro Corpo. Comprendendo l’algoritmo su cui si basa il cervello umano, e i modi in cui l’evoluzione si è evoluta nel tempo per capire le immagini, la Reverse Engineering ci permetterà di portare il potenziale del cervello umano su reti artificiali.