Nota del redattore: una delle tecnologie centrali dell’intelligenza artificiale sono le reti neurali. In questa intervista, Tam Nguyen, professore di informatica all’Università di Dayton, spiega come funzionano le reti neurali, programmi in cui una serie di algoritmi tenta di simulare il cervello umano.
Quali sono alcuni esempi di reti neurali familiari alla maggior parte delle persone?
Ci sono molte applicazioni delle reti neurali. Un esempio comune è la capacità della fotocamera del tuo smartphone di riconoscere i volti.
Le auto senza conducente sono dotate di più telecamere che cercano di riconoscere altri veicoli, segnali stradali e pedoni utilizzando reti neurali e di girare o regolare la velocità di conseguenza.
Le reti neurali sono anche dietro i suggerimenti di testo che vedi mentre scrivi testi o e-mail e persino negli strumenti di traduzione disponibili online.
La rete deve avere una conoscenza preliminare di qualcosa per poterla classificare o riconoscerla?
Sì, ecco perché è necessario utilizzare i big data nell’addestramento delle reti neurali. Funzionano perché sono addestrati su grandi quantità di dati per poi riconoscere, classificare e prevedere le cose.
Nell’esempio delle auto senza conducente, dovrebbe guardare milioni di immagini e video di tutte le cose sulla strada e sentirsi dire cosa sono ciascuna di queste cose. Quando fai clic sulle immagini delle strisce pedonali per dimostrare che non sei un robot durante la navigazione in Internet, questo può anche essere utilizzato per aiutare ad addestrare una rete neurale. Solo dopo aver visto milioni di strisce pedonali, da tutte le diverse angolazioni e condizioni di illuminazione, un’auto a guida autonoma sarebbe in grado di riconoscerli quando sta guidando nella vita reale.
Le reti neurali più complicate sono effettivamente in grado di auto-istruirsi. Nel video linkato di seguito, alla rete viene assegnato il compito di andare dal punto A al punto B, e puoi vederlo mentre prova ogni sorta di opzione per cercare di portare il modello alla fine del corso, finché non ne trova uno che lo faccia nel miglior modo.
Alcune reti neurali possono collaborare per creare qualcosa di nuovo. In questo esempio, le reti creano volti virtuali che non appartengono a persone reali. Una rete tenta di creare un volto e l’altra cerca di giudicare se è reale o falso. Vanno avanti e indietro finché il secondo non riesce a capire che la faccia creata dal primo è falsa.
Anche gli esseri umani traggono vantaggio dai big data. Una persona acquisisce circa 30 fotogrammi o immagini al secondo, il che significa 1.800 immagini al minuto e oltre 600 milioni di immagini all’anno. Ecco perché dovremmo dare alle reti neurali un’opportunità simile per avere accesso ai big data per la formazione.
Come funziona una rete neurale di base?
Una rete neurale è una rete di neuroni artificiali programmati in un software. Cerca di simulare il cervello umano, quindi ha molti strati di “neuroni” proprio come i neuroni nel nostro cervello. Il primo livello di neuroni riceverà input come immagini, video, suoni, testo, ecc. Questi dati di input passano attraverso tutti i livelli, poiché l’output di uno strato viene inserito nel livello successivo.
Prendiamo un esempio di una rete neurale addestrata a riconoscere cani e gatti. Il primo strato di neuroni suddividerà questa immagine in aree di luce e oscurità. Questi dati verranno inseriti nel livello successivo per riconoscere i bordi. Il livello successivo proverebbe quindi a riconoscere le forme formate dalla combinazione di bordi. I dati passeranno attraverso diversi livelli in modo simile per riconoscere finalmente se l’immagine che hai mostrato è un cane o un gatto in base ai dati su cui è stato addestrato.
Queste reti possono essere incredibilmente complesse e consistere in milioni di parametri per classificare e riconoscere l’input che riceve.
Perché stiamo vedendo così tante applicazioni delle reti neurali ora?
In realtà le reti neurali sono state inventate molto tempo fa, nel 1943, quando Warren McCulloch e Walter Pitts hanno creato un modello computazionale per le reti neurali basato su algoritmi. Poi l’idea ha attraversato un lungo letargo perché le immense risorse computazionali necessarie per costruire reti neurali non esistevano ancora.
Recentemente, l’idea è tornata alla grande, grazie a risorse computazionali avanzate come le unità di elaborazione grafica (GPU). Sono chip che sono stati utilizzati per elaborare la grafica nei videogiochi, ma si scopre che sono eccellenti anche per sgranocchiare i dati necessari per far funzionare le reti neurali. Ecco perché ora assistiamo alla proliferazione delle reti neurali.
Autore
Tam Nguyen, Università di Dayton
