Reti neurali artificiali: una definizione e gli ambiti di applicazione

Cos’è una rete neurale

Uno dei concetti più importanti su cui si basa il machine learning è quello delle reti neurali artificiali (ANN), un algoritmo che permette di risolvere problemi molto complessi. Il comportamento dei nodi di cui sono composte le reti neurali ricorda quello dei neuroni biologici. 

Tutte le reti neurali artificiali sono composte da almeno tre strati:

• l‘input layer, strato che contiene i dati di ingresso
• Uno o più hidden layer, in cui si ha l’elaborazione dei dati
• l’output layer, che contiene il risultato finale.

Come funzionano le reti neurali

Ogni rete neurale artificiale è composta da neuroni disposti in strati successivi. 

Ogni neurone possiede:

• un insieme di ingressi provenienti dagli altri neuroni
• un’uscita verso altri neuroni
• un livello di attivazione
• un sistema per calcolare il livello di attivazione.

Quando i neuroni ricevono gli input dall’esterno si vanno a sommare le moltiplicazioni del peso di ogni neurone per il valore di bias del nodo in cui convergono.

Questa somma è detta “sommatore” e ad essa si applica la funzione di attivazione. Se il valore della funzione supera la soglia prevista, il nodo sollecitato risulta “acceso” e trasmette questo valore al layer successivo, altrimenti il valore trasmesso sarà zero in quanto il livello è “spento”.

Come per i neuroni biologici, i nodi delle reti neurali artificiali integrano i segnali in ingresso secondo una apposita funzione per trasformarli in segnali di output. Perché funzioni una rete neurale ha bisogno di essere addestrata.

Tipi di reti neurali

Le reti neurali differiscono per tipologia di:

• tipo e numero dei neuroni
• collegamenti tra i neuroni.

Il modello più semplice di rete neurale artificiale è la rete feedforward, che non prevede cicli: l’informazione passa dall’input all’output. In questo tipo di reti non possono esserci connessioni tra neuroni dello stesso livello. 

Quindi ogni neurone propaga il segnale dagli ingressi alle uscite attraverso la rete e se gli input saranno sempre gli stessi lo saranno anche i risultati.

Se sono presenti dei cicli, si parla di reti ricorrenti.

Alcune applicazioni delle reti neurali

Le applicazioni delle reti neurali artificiali sono tante e diverse:

• Controllo dei movimenti di robot e veicoli autonomi, da cui i primi test di macchine senza conducente
• Riconoscimento di segnali come immagini, voce, sonar che hanno permesso di sviluppare dispositivi che riconoscono e comprendono la nostra voce come Google Home, o Alexa.

I professionisti che sono interessati ad approfondire cos’è il machine learning e imparare a sviluppare un progetto di intelligenza artificiale possono seguire il corso di machine learning.