Vai al contenuto
IT

Lezione 4 di 8 · 6 min · +100 XP

Cos’è una rete neurale?

Una rete neurale è un tipo di modello di IA fatto di strati di unità semplici, collegate da numeri regolabili chiamati pesi. Un input, come i pixel di una foto, attraversa gli strati e diventa un’ipotesi. Durante l’addestramento la rete confronta ogni ipotesi con la risposta giusta e sposta di poco milioni di pesi, finché le ipotesi diventano affidabili.

▶ Prova tu

Perché è importante

Dietro lo sblocco col volto, la traduzione e i chatbot c’è la stessa idea: strati di unità semplici con collegamenti la cui forza viene regolata dal feedback, non programmata a mano.

In 6 minuti saprai

  • Una rete neurale è fatta di strati di unità semplici unite da pesi regolabili.
  • Addestrare vuol dire ipotesi, confronto con la risposta giusta, ritocco dei pesi, e da capo.
  • Ciò che sa è sparso in tanti numeri, quindi i suoi motivi sono difficili da spiegare.

Cosa eserciterai

  1. Le parti di una rete

    Tocca ogni carta per scoprire come funziona.

    ⚪ Neurone (unità)
    Una minuscola calcolatrice. Somma i numeri che arrivano, ciascuno moltiplicato per un peso, e passa avanti un risultato. Molto più semplice di una cellula del cervello.
    🎛️ Peso
    Una manopola su ogni collegamento che decide quanto un’unità influenza la successiva. Una grande rete ne ha milioni o miliardi.
    🥞 Strati
    Le unità sono disposte a strati. I primi colgono cose semplici come i bordi; quelli dopo le combinano in forme, poi in «questo è un 7».
    📣 Feedback
    Dopo ogni ipotesi la rete misura quanto ha sbagliato e calcola quali manopole spostare, e in che direzione, per sbagliare un po’ meno.

  2. Un giro di addestramento

    La rete sta imparando a leggere numeri scritti a mano. Metti in ordine un giro di addestramento.

    1. Arriva un esempio con l’etichetta: la foto di un 7 scritto a mano
    2. I pixel attraversano gli strati
    3. La rete ipotizza: «probabilmente un 1»
    4. L’ipotesi viene confrontata con l’etichetta «7»
    5. Ogni peso viene spostato di poco per ridurre l’errore
    6. Si ripete con l’esempio dopo, molte migliaia di volte

  3. Metti alla prova il tuo modello

    1. Chi regola i milioni di pesi di una rete addestrata?

      • L’addestramento, imparando dal feedback (Risposta)
      • I programmatori scrivono a mano ogni valore

    2. Una rete neurale artificiale è una copia del cervello umano?

      • No, si ispira vagamente al cervello ed è molto più semplice (Risposta)
      • Sì, funziona proprio come i neuroni veri

    3. Noor chiede: «Perché la rete ha detto che questo gatto è un cane?» Perché è difficile rispondere?

      • Il motivo è sparso tra milioni di pesi (Risposta)
      • La rete nasconde apposta i suoi motivi

Ricorda

Una rete neurale impara facendo ipotesi, ricevendo feedback e ritoccando i suoi pesi, ancora e ancora.

Una rete neurale impara tirando a indovinare, venendo corretta e girando un po’ le sue manopole, milioni di volte.

Dati chiave

  • Lo psicologo Frank Rosenblatt descrisse nel 1958 il percettrone, uno dei primi neuroni artificiali capaci di imparare. · Fonte: F. Rosenblatt, The Perceptron, Psychological Review, 1958
  • Un articolo del 1986 su Nature mostrò come le reti a più strati possono imparare propagando l’errore all’indietro e regolando i pesi: un metodo chiamato backpropagation, ancora centrale oggi. · Fonte: Rumelhart, Hinton & Williams, Learning representations by back-propagating errors, Nature, 1986
  • Il premio Nobel per la fisica 2024 è andato a John Hopfield e Geoffrey Hinton per scoperte e invenzioni fondamentali che rendono possibile il machine learning con le reti neurali artificiali. · Fonte: Accademia reale svedese delle scienze, premio Nobel per la fisica 2024
  • Il cervello umano adulto contiene circa 86 miliardi di neuroni, ognuno una cellula viva molto più complessa di un’unità di una rete artificiale. · Fonte: Azevedo et al., Journal of Comparative Neurology, 2009

Aggiornato:

Domande frequenti

Come impara una rete neurale?

Fa un’ipotesi, misura quanto è lontana dalla risposta giusta e regola leggermente i pesi per ridurre l’errore. Ripetendo su tantissimi esempi, le sue ipotesi diventano via via precise.

Cos’è il deep learning?

Il deep learning è il machine learning con reti neurali a molti strati. Gli strati in più permettono alla rete di costruire schemi complessi partendo da quelli semplici.

Le reti neurali sono come il cervello umano?

No. Si ispirano vagamente alle cellule del cervello, ma ogni unità artificiale è un calcolo semplice, e le reti imparano in modo molto diverso dalle persone.

A cosa servono le reti neurali?

A riconoscere volti e voci, tradurre lingue, consigliare video, trovare schemi negli esami medici e far funzionare chatbot e generatori di immagini.

Termini correlati