Glossario: Deep Learning

Sono sicuro che questo argomento ti terrà incollato allo schermo 🙂

In questo glossario voglio parlarti del Deep Learning, una branca dell’intelligenza artificiale.

Cos’è il Deep Learning e come funziona

Come avrai intuito, si tratta di una sottocategoria del Machine Learning [link al glossario, quando sarà pubblico].

Il Deep Learning (in italiano “apprendimento profondo” o “apprendimento approfondito”) è un metodo di apprendimento che utilizza degli algoritmi ispirati alla struttura del cervello umano detti reti neurali artificiali.

In altre parole, grazie alle reti neurali artificiali (se preferisci puoi chiamarli anche modelli computazionali), è possibile insegnare alle macchine i processi di apprendimento del cervello umano, il quale è in grado di elaborare i dati su più livelli cognitivi.

Ma cosa significa “su più livelli”?

Significa che i dati vengono interpretati secondo una gerarchia di crescente complessità. Proprio come accade per il nostro cervello, anche il Deep Learning — per comprendere un concetto — deve prima far transitare i dati attraverso una serie di livelli, nei quali viene via via perfezionato l’apprendimento delle informazioni.

Questi livelli fanno la “staffetta” per passarsi i dati ed interpretarli in modo sempre più accurato. Così facendo, i concetti più complessi sono appresi a partire dai livelli più semplici.

Immagino che questi concetti non siano molto intuitivi, perciò ti riporto un esempio tratto da Tech Target.

«Per capire l’apprendimento profondo, immaginiamo un bambino la cui prima parola è “cane”. Il bambino impara cos’è un cane (e cosa non lo è) indicando oggetti e dicendo la parola cane. Il genitore dice “Sì, quello è un cane” o “No, non è un cane”. Mentre il bambino continua ad indicare gli oggetti, diventa più consapevole delle caratteristiche che tutti i cani possiedono. Ciò che il bambino fa, senza saperlo, è chiarire un’astrazione complessa (il concetto di cane) costruendo una gerarchia in cui ogni livello di astrazione viene creato con la conoscenza che è stata acquisita dal livello precedente della gerarchia»

Nel Deep Learning, gli scienziati immettono i dati nel computer con l’accortezza di etichettare le immagini che contengono un cane con il tag “cane”, ma senza “spiegare” al sistema come riconoscerlo: è la macchina stessa ad intuire cosa caratterizza un cane (le zampe, la coda, il pelo).

Facendo quest’operazione, si inserisce artificialmente l’esperienza nella macchina per permetterle di rispondere in modo corretto, anche quando si troverà davanti a dei dati totalmente nuovi.

I sistemi di Deep Learning, infatti, migliorano le proprie prestazioni autonomamente: quindi, non si tratta più di programmare, bensì di addestrare un computer.

Sistemi di Deep Learning (fantastici) e dove trovarli

Ma dove troviamo questi sistemi di apprendimento approfondito nella quotidianità?

Devi sapere che esiste un processo di Deep Learning, detto Computer Vision (visione artificiale o computazionale), in grado di distinguere in modo automatico tutti gli elementi che compongono un’immagine.

È proprio grazie alla Computer Vision che Twitter [link al glossario, quando sarà pubblico] ha la capacità di riconoscere le immagini pornografiche, senza bisogno di un addetto alla supervisione dei contenuti.

Ti sei mai chiesto come Google riesca a catalogare in automatico le tue foto e ad inserirle in cartelle dedicate? Sempre “colpa” della Computer Vision!

Facebook, invece, la utilizza per riconoscere i visi e tagga gli utenti di conseguenza.

Altre applicazioni dei sistemi di Deep Learning sono:

1. la colorazione automatica delle immagini in bianco e nero
2. l’aggiunta automatica di suoni a filmati silenziosi
3. la traduzione simultanea
4. la classificazione degli oggetti all’interno di una fotografia
5. la generazione della grafia umana e delle didascalie
6. il gioco automatico (contro noi umani, ovviamente!)

Il Deep Learning VS gli umani

Che gusto c’è a creare una macchina intelligente se poi non si sfida l’uomo (sapiens sapiens)? 😉

La curiosità di capire chi sia più intelligente è tanta. Così nel 2016 viene lanciata la sfida: AlphaGo, il super computer creato da Google, contro Lee Sedol, il campione del mondo di Go (un gioco da tavolo di strategia nato in Cina: la complessità di questo gioco sta nello sconfinato numero di possibili mosse).

Chi avrà avuto la meglio? Accetto scommesse 😉

AlphaGo! Ebbene sì: la macchina ha battuto l’uomo.

Per vincere, AlphaGo ha utilizzato il Deep Learning. Sfruttando un database di 30 milioni di mosse, il computer sapeva individuare se una particolare configurazione di pedine fosse favorevole o meno alla vittoria.

Quale sarà il futuro del Deep Learning

Gli scienziati stanno lavorando per migliorare sempre più le performance dei sistemi di Deep Learning: c’è ancora parecchia strada da fare, ma possiamo già ipotizzare degli scenari futuri.

Diagnosi mediche. Quando un dottore formula una diagnosi si basa sulle proprie conoscenze e sull’esperienza. Grazie al Deep Learning, la macchina potrebbe aiutare i medici a migliorare l’analisi delle patologie.

Guida senza conducente. In questo caso, l’apprendimento approfondito potrebbe individuare gli ostacoli in entrambi i lati della carreggiata, senza bisogno del conducente. Inoltre, la Computer Vision sarebbe in grado di elaborare le immagini, grazie all’ausilio di sensori e telecamere.

Controllo qualità dei prodotti. Nelle grandi industrie, dove il controllo qualità deve essere scrupoloso, il Deep Learning permetterebbe di passare al vaglio migliaia di prodotti in breve tempo, individuando i difetti.

Droni e robot. Essi potrebbero essere impiegati per la consegna di pacchi o anche per l’assistenza in casi di emergenza (ad esempio: la consegna di cibo o di sacche di sangue per trasfusioni in zone terremotate o alluvionate).

In conclusione, il Deep Learning ha l’importante compito di forgiare delle macchine pensanti, in grado di aiutare e semplificare molti aspetti della vita dell’uomo.

—

Che ne pensi? Molto interessante come argomento, non trovi?
Se ti va, lasciami un commento 😊