Grazie ai processi della scienza, il funzionamento del nostro cervello risulta sempre più chiaro, ma siamo ben lontani dal comprenderlo appieno. Sappiamo quali aree si attivano in risposta a determinati stimoli esterni, conosciamo le onde di segnale emesse durante l’esecuzione di una certa operazione. La strada per arrivare a comprenderne alcuni micro-aspetti, quelli che però fanno la differenza, è ancora lunga. Nella corteccia cerebrale ci sono circa 100 miliardi di neuroni interconnessi tra di loro per formare una gigantesca rete neurale biologica. Alcune aree della corteccia si preoccupano di eseguire dei ragionamenti, altre di muovere una parte del corpo, altre ancora sono destinate alle attività mnemoniche e così via. Sostanzialmente, questi neuroni ci definiscono, per memoria e comportamento. È facile comprendere che non è possibile, quantomeno con gli strumenti di cui dispone oggi la scienza, tracciare ogni segnale in questa mega-rete per capire ogni micro-attività di questa rete. È dunque necessario ragionare per aree di attivazione del cervello, ottenendo un’analisi meno approfondita, ma di fatto essenziale per iniziarne le attività.
Reti Neurali, la struttura
Sulla scorta di questo modello che ci ha offerto la natura, matematici e informatici hanno provato ad utilizzare dei componenti che, almeno in maniera approssimativa, fossero in grado di replicare il comportamento di una rete neurale. Sono state create quindi le reti neurali artificiali, che altro non sono che dei modelli matematici così composti:
- Neuroni artificiali: modello matematico che riceve dei dati in input che simulano i segnali elettrici ricevuti all’interno di un cervello li elaborano secondo le caratteristiche del neurone, espellendo un segnale finale come output
- Interconnessioni: ce ne sono di vari tipi, in base alle esigenze. Esistono neuroni tutti collegati tra di loro, neuroni collegati in differenti strati, fino ad arrivare ad uno o più neuroni che forniscono l’output finale della rete neurale. Alcuni neuroni si possono collegare ad altri in strati precedenti per fornire una sorta di feedback sulle operazioni svolte fino a quel punto, al fine di correggere le attività che non sono state svolte nel migliore dei modi e incentivare quelle funzionanti.
Ma mano che i neuroni ricevono input li elaborano e ricevono output via via sempre più raffinati, simulando un apprendimento automatico. In particolare:
- La rete può diventare “brava” a replicare un comportamento che deduce dai dati che riceve (apprendimento supervisionato)
- La rete non dispone di esempi di comportamenti passati, ma “impara” a trovare dei pattern (apprendimento non supervisionato)
- La rete capisce se fa bene o sbaglia in base a feedback che riceve durante l’esecuzione (apprendimento con rinforzo)
Reti Neurali, le fasi
Tutte e tre le modalità, che dipendono dai dati disponibili e dal problema da risolvere, prevedono una fase di allenamento per recepire i dati e creare il modello matematico complessivo della rete neurale (calcolando i risultati emersi dai singoli neuroni e le modalità di interazione inter-neuronale). Nel caso dell’apprendimento supervisionato c’è più di una fase di test che permette di valutare quanto i risultati della rete siano simili a quelli reali passati di cui si dispone. La terza fase, quella di predizione, consente di “indovinare” nuovi risultati e usare la rete per il motivo per cui è stata creata: prevedere output sulla base di nuovi dati.
Come è evidente, si tratta di modelli matematici, complessi, ma pur sempre modelli. Un essere umano progetta una rete e la esegue. La rete, tramite le formule che la governano, produce un output che però, almeno idealmente, potrebbe essere ricavato anche risolvendo ogni volta una formula molto complessa. Ma non si tratta di un ragionamento, di qualcosa che potrebbe essere definito “intelligente”. Neanche lontanamente. È la complessità a trasmettere l’idea di un ragionamento, ma si tratta di codice, iterazioni.
Reti Neurali, l’intervento al WAICF
Questo concetto deve essere chiaro perché permette di uscire da tante incomprensioni e mitizzazioni relative all’Intelligenza Artificiale. Purtroppo, o per fortuna, questi calcoli, che nel caso di Premoneo servono a implementare analisi e output nei software sviluppati a supporto delle attività commerciali delle aziende, rientrano ancora nella sfera della matematica. L’intelligenza è solo un’illusione.
Proprio dell’utilizzo delle Reti Neurali per ottimizzare alcuni processi parlerà Massimo Dell’Erba, CTO e co-fondatore di Premoneo, venerdì 15 aprile dalle 15 al Palais des Festival de Cannes, in occasione del WAICF, il World Artificial Intelligence Cannes Festival.
