Comprendiamo e scopriamo nuovi modi di applicazione del deep learning.
I progressi recenti di scienza e medicina sono dovuti in parte allo studio e all'utilizzo sempre più importante di reti neurali. Ecco una panoramica su questo particolare campo della tecnologia moderna, fatta da Maithra Raghudi, di Google Research, intervistata da Aryn Sanderson.
Ai tempi, c'era un modo infallibile per distinguere umani e computer: presentavi la foto di un amico a quattro zampe e chiedevi se era un gatto o un cane. Un computer non è in grado di identificare i felini dai cani, ma noi umani potremmo rispondere con una sicurezza irriducibile.
Tutto è cambiato circa un decennio fa grazie ai progressi nella visione artificiale e nell'apprendimento automatico, in particolare, importanti progressi nelle reti neurali, che possono addestrare i computer a imparare in modo simile agli umani. Oggi, se dai a un computer abbastanza immagini di cani e gatti e un'etichetta, può imparare a distinguerli perfettamente.
Ma in che modo esattamente le reti neurali aiutano i computer a farlo? E cos'altro possono o non possono fare?
Quindi, la grande domanda: cos'è una rete neurale?
Per comprendere le reti neurali, dobbiamo prima tornare alle basi e capire come si inseriscono nel quadro più ampio dell'intelligenza artificiale (AI). Immagina una bambola russa che nidifica, spiega Maithra. L'intelligenza artificiale sarebbe la bambola più grande, quindi al suo interno c'è l'apprendimento automatico (ML) e al suo interno le reti neurali (... e all'interno, le reti neurali profonde, ma ci arriveremo presto!).
Se pensi all'intelligenza artificiale come alla scienza per rendere le cose intelligenti, il machine learning è il sottocampo dell'intelligenza artificiale focalizzato sul rendere i computer più intelligenti insegnando loro ad imparare, invece di codificarli. All'interno di ciò, le reti neurali sono una tecnica avanzata per il machine learning, in cui insegni ai computer ad apprendere con algoritmi che prendono ispirazione dal cervello umano.
Il tuo cervello attiva gruppi di neuroni che comunicano tra loro. In una rete neurale artificiale, (il tipo di computer), un "neurone" (che puoi pensare come un'unità computazionale) è raggruppato con un gruppo di altri "neuroni" in uno strato e questi strati si impilano uno sopra l'altro . Tra ciascuno di questi strati ci sono connessioni. Più strati ha una rete neurale, più è "profonda". Ecco da dove nasce l'idea di “apprendimento profondo”. "Le reti neurali partono dalla neuroscienza perché hai un elemento matematico", spiega Maithra, "Le connessioni tra i neuroni sono valori numerici rappresentati da matrici e l'addestramento della rete neurale utilizza algoritmi basati sul gradiente".
Potrebbe sembrare complesso, ma probabilmente interagisci con le reti neurali abbastanza spesso, ad esempio quando scorri consigli personalizzati sui film o chatti con un bot del servizio clienti.
Quindi, una volta configurata una rete neurale, è pronta?
Non proprio. Il prossimo passo è la formazione. È qui che il modello diventa molto più sofisticato. Simile alle persone, le reti neurali imparano dal feedback. Se torni all'esempio del gatto e del cane, la tua rete neurale guarderà le immagini e inizierà indovinando casualmente. Etichettaresti i dati di addestramento (ad esempio, dicendo al computer se ogni immagine presenta un gatto o un cane) e quelle etichette fornirebbero un feedback, dicendo alla rete neurale quando è giusto o sbagliato. Durante questo processo, i parametri della rete neurale si adattano e la rete neurale passa dal non sapere all'imparare a identificare tra cani e gatti.
Perché non usiamo sempre le reti neurali?
"Sebbene le reti neurali siano basate sul nostro cervello, il modo in cui apprendono è in realtà molto diverso da quello degli umani", afferma Maithra. “Le reti neurali sono generalmente piuttosto specializzate e ristrette. Questo può essere utile perché, ad esempio, significa che una rete neurale potrebbe essere in grado di elaborare le scansioni mediche molto più velocemente di un medico, o individuare schemi che un esperto qualificato potrebbe nemmeno notare.
Ma poiché le reti neurali imparano in modo diverso dalle persone, ci sono ancora molte cose che gli informatici non sanno su come funzionano. Torniamo ai gatti contro i cani: se la tua rete neurale ti dà tutte le risposte giuste, potresti pensare che si stia comportando come previsto. Ma Maithra avverte che le reti neurali possono funzionare in modi misteriosi.
"Forse la tua rete neurale non è affatto in grado di identificare tra cani e gatti - forse è in grado di identificare solo tra divani ed erba, e tutte le tue foto di gatti sono sui divani e tutte le tue foto di cani sono in parchi", dice. "Poi, potrebbe sembrare che conosca la differenza quando in realtà non lo fa."
"Le reti neurali sono state trasformative per così tante industrie", afferma Maithra, "e sono entusiasta di realizzare applicazioni ancora più profonde per loro andando avanti".
