Giovanni Grippi/Réj neuraj e anteligensa artifissial

Artorn

Réj neuraj e anteligensa artifissial 

L’anteligensa artifissial al dì d’ancheuj a l’é un-a dle pi grande promësse dl’arserca sientìfica.

L’AA a part da vàire ‘d branche dla statìstica e dla matematica, ma un-a dle pì anciarmante a l’è ‘d sigura la teorìa an sle rèj neuraj.

Stòria

Tut a taca dël 1958, quand che Frank Rosenblatt a propon ël “përcetron”, un mòdel matemàtich për l’amprendiment e l’auto-corression dij boro, ch’a fongava soe rèis ant un model biològich motobin vajant: ël nevron.

La comunità sientìfica a l’ha arseivù sossì con grand favor, për na dëscoverta ch’a dasìa a tuti ‘d grande speranse për ël dësvlup ëd l’anteligensa artifissial: a l’era nà la “cibernètica”.

La ròba pì anciarmanta dël model ëd Rosenblatt a l’era la naturalëssa ‘d soa teorìa:

• X1 e X2 a son j’intrade ëd nòst sistema
• w1 e w2 a son ciamà “pèis”. A son dij valor matemàtich ch’a servo al sistema për dè pì o meno d’amportansa ai valor d’intrada
• Σ a l’é la soma dij pèis e θ a l’é ‘n valor costant
• y a l’è la surtìa dël sistema, visadì ël risultà

J’agn ëd dësmentia dl’anteligensa artifissial

Contut ch’a smijava d’esse rivà ant un moment decivi, l’entosiasm a dura mach ‘na desen-a d’agn.

Dël 1969, Marvin Minsky e Seymour Papert a pùblico “Percettroni”, un lìber an sla teoria dij përcetron andoa as preuva ch’a fùisso mach bon për dij problema particolar, e donca a l’avìo pa cola fòrsa che tanti a speravo.

Costa dimostrassion a l’è stàita apoprè mortal për j’ëstudi an sl’anteligensa artifissial, che an efet a son stàit bandonà fin-a l’inissi dj’agn 1980.

Rèj neuraj multistràt

L’ëstudi an sl’usagi dij përcetron për risòlve ij problema ‘d classificassion a l’ha virà ‘l tornant quande ch’a l’è stait possibil creé un sistema gropà.

La strutura la pi bon-a a l’é trovasse an sna strutura a tre livej:

• Livel ëd sorgiss
• Livel stërmà
• Livel ëd surtìa

An costa figura-sì i l’oma na clàssica rèj multistrat “feed-forward”.

A veul dì ch’i l’oma sempe d’intrade e ‘d surtìe continoe.

Cost gèner dë strutura a l’é nà dòp j’agn dla crisi, grassie a la descrission ëd l’algoritme ciamà ëd “back-propagation” (propagassion andaré), fàita da Rumelhard, Hinton e Williams dël 1986.

Pròpagassion andaré

L’idèja ëd cost algoritme a l’é d’avèj na fonsion matemàtica ch’a daga na mzura për podej cambié i pèis dij përcetron, an sercand ëd minimisè ij boro.

Vëddoma n’esempi:

Andoa:

Esempi ëd fonsion ëd minimizassion dij bòro

• d a l’è l’ultim valor calcolà
• o a l’è ël valor ch’i serchoma ëd trové
• E a l’è ‘l valor dla fonsion ëd boro

A-i sarìa vàire e vàire ‘d fòrmule da vardé e esplichè.

As peul dì che la rèj a fa na ròba pròpe fàcil: a arséiv n’intrada, a preuva na combinassion dij pèis, a oten n’arzultà, a compara l’arzultà con ëd valor ch’a dovìa oten-e (la réj a lo cognòss përchè a l’é dàit al prinsipi com arferiment) e a preuva a amelioré.

L’arzultà a peul esse mostrà parèj, an doe dimension:

S’a smija garbojà, a basta pensé com ch’a fonsion-a nòstra manera d’amprende: i vëddoma n’event, i serchoma na spiegassion, i doma a cost event na tichëtta e i andoma anans.

Quand che quaicòs a ancàpita, nòsti nevron as ativo scond dij përcors ch’a género j’arcòrd, ëdcò se l’event ch’i l’oma dëdnans a l’é nen pròpe parèj ‘d col original.

Le rèj neuraj a fonsion-o parèj, mach a género dij nùmer ch’a son arpresentà an bit ant la memòria ëd nòst calcolator o sviciofonin.

J’avantagi dle réj neuraj

I l’oma dit vàire ‘d ròbe an sla composission dle rèj neuraj, contut che ij mè scrit a veulo pa esse dij manuaj, ma mach d’artìcoj ëd divolgassion an s’un-a dle tecnologìe pì anciarmante ëd costi agn-sì.

Le rèj neuraj a l’han provà d’esse bon-e ‘d chërde nen ant l’arcognòssiment ëd le figure.

Sòn a veul dì che ‘n calcolator a peul scansioné na senten-a ‘d figure parèj ant na minuta e dëscheurve ‘n càncher che n’uman a podrìa pa vëdde:

O ancora, com a l’han fàit an Cin-a, ëd rèj neuraj bin dressà a peulo arconòsse un criminal ant na borada parèj:

Bel afé né?