Era il 1942 quando Alan Turing creò il primo computer. Oggi le reti neurali artificiali permettono ai computer di simulare il cervello, di prendere decisioni e di predire il futuro. In questa guida del Superuovo vedremo come funziona l’intelligenza artificiale. Così sapremo cosa sta per estinguere l’umanità.
Riprodurre il cervello umano
Un modo per costruire intelligenze artificiali è sfruttare le reti neurali artificiali. Esse imitano la struttura del nostro cervello per apprendere a svolgere dei compiti. Come mai il cervello umano? Esso è attualmente l’unica entità conosciuta a possedere intelligenza concettuale. Ed è efficiace.
Il cervello è costituito da circa 100 miliardi di neuroni e ognuno di questi ha collegamenti con altri 10 mila neuroni. L’organizzazione è plastica: la forma delle connessioni, la loro quantità e intensità possono variare in funzione dell’apprendimento.
Costruire dei computer in grado di essere elastici come l’essere umano è quindi l’obiettivo principale della nuova informatica. Non bisogna più dire cosa deve fare la macchina, ma come deve imparare a farlo.
Potrebbe accadere che l’intelligenza artificiale prenda il sopravvento sull’uomo, come nel film “Matrix” dei fratelli Wachowski (1999) o in “Ex Machina” di Alex Garland (2014). Ma l’umanità se ne preoccperà più avanti: scopriamo come viene costruita.
Reti neurali artificiali
Il primo passo per costruire una rete neurale è riprodurre la struttura chiave del cervello: il neurone. Quelli biologici sono delle complicate strutture in cui avvengono centinaia di operazioni biochimiche. L’obiettivo, però, è soltanto uno: spedire un segnale agli altri neuroni.
I modelli computazionali quindi catturano questo aspetto cruciale. Non viene riprodotta la complessità biologica, ma soltanto lo scopo. Perciò l’elemento base della rete è un “neurone formale”: un numero.
Il secondo passo è connettere tutti questi neuroni. In natura ci pensano gli assoni, filamenti nervosi su cui corre il segnale elettrico prodotto dal cosiddetto potenziale d’azione. Nelle reti artificiali la connessione è anch’essa un numero: più precisamente è un vettore. I neuroni e le connessioni vengono disposte su due o più livelli.
La struttura a livelli
In basso viene posto il livello di input. Qui i neuroni ricevono lo stimolo in entrata, per esempio un’immagine. L’immagine è composta da pixel e ciascun pixel viene rilevato da un singolo neurone. L’attivazione dunque fluisce sul secondo livello, quello di output. L’output della rete è una funzione matematica (tipicamente una sigmoide, ovvero una funzione a curva).
Tra il livello di input e quello di output possono esserci più livelli di neuroni nascosti: questo imita la struttura stratificata del cervello. Se sono più di due livelli nascosti si parla di deep learning, che da qualche anno è il nuovo paradigma dell’intelligenza artificiale: più livelli nascosti ci sono, più è complessa (e dunque interessante) la computazione.
Un esempio: la corteccia visiva
Nel cervello la corteccia visiva è composta da un primo strato di neuroni che rilevano forme base, come linee verticali, oblique, orizzontali; un livello più alto mette insieme i segnali provenienti dal basso ottenendo angoli, incroci, e figure complesse; uno strato ancora superiore rileva, per esempio, le lettere.
Allo stesso modo funziona una rete neurale artificiale. L’obiettivo è far sì che nello strato di neuroni di output si attivi il neurone che codifica la lettera “S” e non quello che codifica la lettera “U”.
Lo scopo dell’apprendimento è quindi di modificare il peso delle connessioni affinchè l’attivazione finale sia corretta. Questa procedura si chiama addestramento della rete (training).
Come addestrare le reti neurali
- Apprendimento supervisionato: lo scopo è produrre l’output corretto dato un nuovo input. Il ricercatore fornisce l’output: se la rete deve imparare a riconoscere meme di gattini vengono fornite molte immagini di meme sui gattini come modello da confrontare con le immagini che arrivano in input.
- Apprendimento non supervisionato: lo scopo è studiare l’input per scoprire le proprietà informative. Per esempio una rete studia moltissime immagini e pian piano inizia a raggrupparle secondo somiglianza. Ad esempio una rete di Google con 10 strati di unità nascoste e un milione di neuroni è riuscita a distinguere il concetto di “faccia” e di “gatto”. In questo articolo l’intelligenza artificiale studia le formule chimiche per ricreare la tavola periodica.
- Apprendimento con rinforzo: è simile all’apprendimento supervisionato. L’output desiderato però non è fornito esplicitamente. Si dà solo un feedback di “buono” o “cattivo”. Questa tecnica, abbinata al deep learning, è la più potente: viene utilizzata per addestrare i robot e le macchine a guida autonoma poichè devono interagire con l’ambiente. Ed eventualmente, farci un pancake.
Scopri di più sul Superuovo
Qui al Superuovo seguiamo da vicino gli sviluppi dell’intelligenza artificiale: ci siamo chiesti come sarà la guerra del futuro con i nuovi sottomarini cinesi a guida autonoma, se il mondo del videomaking cambierà e come le reti neurali artificiali possono aiutare a diagnosticare le malattie, anche quelle mentali.
Mattia Grava
