Deep Learning – La macchina che impara automaticamente

Deep Learning – La macchina che impara automaticamente

Deep Learning, che significa letteralmente apprendimento profondo, sono algoritmi molto complessi di Machine Learning organizzati in più livelli di profondità che si ispirano alla struttura e alla funzione del cervello e dei suoi neuroni (Reti Neurali Artificiali).

Oggi, grazie alle interpretazioni di ricercatori e scienziati, possiamo definire il Deep Learning come un sistema che usa algoritmi di apprendimento automatico che:

  1. Usano vari livelli di unità non lineari a cascata per svolgere compiti di estrazione di caratteristiche e di trasformazione. Ciascun livello successivo utilizza l’uscita del livello precedente come input. Gli algoritmi possono essere sia di tipo supervisionato sia non supervisionato e le applicazioni includono l’analisi di pattern (apprendimento non supervisionato) e classificazione (apprendimento supervisionato);
  2. Sono basati sull’apprendimento non supervisionato di livelli gerarchici multipli di caratteristiche (e di rappresentazioni) dei dati. Le caratteristiche di più alto livello vengono derivate da quelle di livello più basso per creare una rappresentazione gerarchica.
  3. Fanno parte della più ampia classe di algoritmi di apprendimento della rappresentazione dei dati all’interno dell’apprendimento automatico;
  4. Apprendono multipli livelli di rappresentazione che corrispondono a differenti livelli di astrazione; questi livelli formano una gerarchia di concetti.

Utilizzando questi algoritmi di Deep Learning, avremo una “macchina” che riesce autonomamente a classificare i dati ed a strutturarli gerarchicamente, identificando quelli più rilevanti e utili alla risoluzione di un problema, affinando sempre di più le prestazioni con l’apprendimento continuo.

Già negli anni Ottanta iniziarono gli studi sulle reti neurali e sviluppi di algoritmi di apprendimento, ma solo negli ultimi anni sono emersi i risultati grazie al superamento di alcuni ostacoli come la mancanza di dati o la creazione di CPU più performanti.

Le applicazione del Deep Learnig ad oggi sono molteplici, come:

  • La Computer Vision, ovvero visione artificiale che riproduce la vista umana partendo dall’elaborazione di immagini bidimensionali 2D, per creare modelli approssimati del mondo reale in 3D, applicabile anche sulle auto con guida autonoma, droni e robot.
  • Il Natural Language Processing, ovvero riconoscimento automatico, elaborazione del linguaggio naturale e sintesi vocale e linguistica per ChatBot e servizi di traduzione simultanea.
  • Il riconoscimento facciale per gli impianti di sorveglianza e classificazione degli oggetti all’interno di una fotografia con ricerca approfondita su internet come fa Google Lens.
  • La generazione automatica della grafia e del testo, con sistemi che imparano a comprendere la calligrafia delle persone e a scrivere in una determinata lingua rispettando le regole della punteggiatura e della grammatica.
  • Applicazioni sulla Bioinformatica come l’individuazione di tumori attraverso i raggi X, analisi delle sequenze genetiche con la possibilità di individuare le malattie correlate, identificazione di  le molecole che potrebbero portare a farmaci più efficaci o addirittura personalizzati.
  • Gli algoritmi di manutenzione predittiva di impianti
  • Il gioco automatico, ovvero macchine che con analisi di partite e mosse riescono ad apprendere e a giocare autonomamente a giochi complessi e battere i campioni mondiali.