Cosa significa Deep Learning?
Il deep learning è un approccio iterativo all’intelligenza artificiale (IA) che insegna ai computer a elaborare i dati in modo simile al cervello umano, impilando gli algoritmi di machine learning (apprendimento automatico) in una gerarchia di crescente complessità e astrazione.
Ogni livello di deep learning viene creato con le conoscenze acquisite dal livello precedente della gerarchia.
Ad esempio, il primo livello di un algoritmo di riconoscimento delle immagini potrebbe concentrarsi sull’apprendimento dei modelli di colore nei dati di addestramento, mentre il livello successivo si concentrerà sulle forme. Alla fine, la gerarchia avrà strati che si concentrano su varie combinazioni di colori e forme, con il livello superiore che si focalizzirà sull’oggetto effettivo da riconoscere.
Il deep learning è attualmente l’architettura AI più sofisticata in uso. Gli algoritmi di deep learning più diffusi includono:
- Convolutional neural network (Rete neurale convoluzionale): l’algoritmo è in grado di assegnare pesi e bias ai diversi oggetti di un’immagine e di differenziare un oggetto dall’altro. Viene utilizzato per il rilevamento degli oggetti e la classificazione delle immagini.
- Recurrent neural networks (Reti neurali ricorrenti): l’algoritmo è in grado di ricordare dati sequenziali. Vengono utilizzate per il riconoscimento vocale, la previsione delle serie temporali e l’elaborazione del linguaggio naturale.
- Long short-term memory networks (Reti con memoria a breve termine): l’algoritmo è in grado di apprendere la relazione di dipendenza in problemi di previsione di sequenze. Vengono utilizzate per la traduzione automatica e la modellazione del linguaggio.
- Generative adversarial networks (Reti generative avversarie): due algoritmi competono l’uno contro l’altro e utilizzano i rispettivi errori come nuovi dati di addestramento. Vengono utilizzate nel restauro di foto digitali e nei video deepfake.
- Deep belief networks (Reti di credenze profonde): riguarda gli algoritmi di deep learning non supervisionati in cui ogni strato ha due scopi: funzionare come strato nascosto per ciò che è venuto prima e come strato visibile per ciò che viene dopo. Viene utilizzato nel settore sanitario per il rilevamento del cancro e di altre malattie.
Techopedia spiega il Deep Learning
Il Deep Learning è utilizzato per costruire e addestrare reti neurali e nodi di rete decisionali. È considerato una tecnologia fondamentale della quarta rivoluzione industriale (“Industry 4.0”) e del Web3.
Il deep learning non utilizza l’identificazione manuale delle caratteristiche nei dati, ma si affida al processo di addestramento di cui dispone per scoprire gli schemi utili negli esempi in ingresso.
In questo modo l’addestramento della rete neurale è più semplice e veloce, e può dare risultati migliori che fanno progredire l’intelligenza artificiale.
Un algoritmo è considerato “deep” (profondo) se i dati in ingresso passano attraverso una serie di non linearità o di trasformazioni non lineari prima di diventare un output.
Oggi, la maggior parte delle applicazioni aziendali utilizza algoritmi di Machine Learning poco profondi.