#retineurali

[ali3no91]

Corso molto utile ed interessante...consigliato a chiunque voglia imparare qualcosa sul #deeplearning e sulle #retineurali 🔝💪 https://www.instagram.com/p/CcGGLVFM1D0/?igshid=NGJjMDIxMWI=

[enkeynetwork]

Pericolo asteroidi, le reti neurali ne identificano undici

Il pericolo asteroidi è un classico della fantascienza che ha coinvolto anche la cronaca. Negli ultimi anni, infatti, notizie allarmistiche in merito agli asteroidi hanno trovato ampia diffusione sui media. Schianti dalle conseguenze disastrose, pericolose collisioni in orbita terrestre, perfino "l'apocalisse Maya" del 2012. L'elenco delle teorie e illazioni che riguardano il pericolo asteroidi è in continuo aumento. Oggi però la scienza potrebbe essere in grado di sventare le minacce provenienti dal cielo. L'asso nella manica sono le reti neurali. Ovvero l'ultima frontiera della ricerca, sempre più al centro dell'attenzione della comunità scientifica internazionale. L'ambito delle reti neurali è in continuo fermento. La ricerca accademica in questo campo sta registrando progressi straordinari. E non è escluso che, in futuro, le reti neurali possano anche salvare la Terra. Se vi sembra impossibile e pensate di stare leggendo la trama di un film di fantascienza... sappiate che è già accaduto.

Reti neurali contro il pericolo asteroidi

Le reti neurali hanno infatti rivelato la presenza di minacce insospettate. Asteroidi che si trovano ancora molto lontani dalla Terra, ma in futuro potrebbero rischiare di scontrarsi con il nostro pianeta. La notizia risale a qualche settimana fa. Un team di astronomi dell'Università di Leiden ha sviluppato una rete neurale in grado di ricostruire le attività asteroidali dei prossimi 10.000 anni. Sventando, così, il pericolo asteroidi. Il supercomputer ALICE si è occupato della minuziosa ricostruzione. E proprio le sue capacità di calcolo hanno permesso agli studiosi di identificare undici asteroidi da tenere sotto osservazione.

Solo l'elevata capacità di calcolo delle reti neurali ha permesso di identificare gli asteroidi con anni di anticipo Anche se adesso i corpi celesti si trovano lontanissimi dalla Terra, in futuro potrebbero infatti abbattersi su di noi. L'obiettivo degli scienziati è monitorare il pericolo asteroidi, in modo da arrivare al momento fatidico con un bagaglio di conoscenze che impediscano danni inevitabili. Uno scenario fantascientifico che oggi è realtà. E sembra destinato ad aprire nuove frontiere per l'astronomia.

Hazardous Objects Identifier

Strumento imprescindibile per valutare (e sventare) il pericolo asteroidi è il sistema Hazardous Objects Identifier (HOI). Messo a punto dal team del dottor Simon Portegies Zwart, questa rete neurale ha ricostruito in laboratorio le orbite del Sistema Solare. I ricercatori hanno così analizzare i movimenti degli asteroidi nelle ultime 20 epoche. Questo database comprende circa 100.000 oggetti e corpi celesti che si sono avvicinati sulla Terra, l'hanno sfiorata o si sono abbattuti su di essa. A quel punto l'obiettivo degli studiosi si è spostato dal passato al futuro. Lo scopo ultimo della ricerca era, infatti, capire se il pericolo asteroidi nei prossimi anni potesse incrementare.

Pericolo asteroidi, a Leiden un supercomputer ne ha identificati ben undici che in futuro saranno in rotta di collisione con la Terra E le scoperte sono state decisamente inaspettate. Undici asteroidi che fino a questo momento erano passati inosservati, sono ora al centro dei riflettori. A spaventare sono soprattutto le loro dimensioni. Ognuno, infatti, misura più di 100 metri di diametro. Inutile dire che, in caso di una collisione con il nostro pianeta, le conseguenze potrebbero essere catastrofiche. Per questo gli scienziati dietro al supercomputer ALICE hanno fatto scendere in campo le reti neurali. L'Intelligenza Artificiale è l'unico modo per calcolare le variazioni millimetriche nell'orbita degli asteroidi.

L'Intelligenza Artificiale salverà l'uomo?

I moderni software astronomici, infatti, non riescono a seguire le traiettorie degli asteroidi con così tanto anticipo. Queste ultime sono caotiche, ed esulano dalle capacità di calcolo dei programmi più diffusi. L'Intelligenza Artificiale, invece, può prendere in considerazione un numero molto maggiore di dati variabili. Tanto è vero che il supercomputer di Leiden ha identificato quasi il 90% delle minacce riscontrate dalla NASA, senza peraltro essere stato addestrato né avere accesso agli stessi database.

L'Intelligenza Artificiale svolge un ruolo cardine nella ricerca astronomica Saranno le Intelligenze Artificiali a sventare il pericolo asteroidi e a dare all'umanità i mezzi per sopravvivere? E' presto per dirlo, ma di sicuro le potenzialità delle reti neurali rivestiranno un ruolo cardine nella salvaguardia del pianeta. E dei suoi abitanti. Per questo la ricerca non deve smettere di lavorare allo sviluppo di reti neurali sempre più complesse e sofisticate. In attesa di scoprire come e quando il pericolo asteroidi si concretizzerà. Read the full article

[quantumintelligence-blog]

Le reti neurali artificiali

Dopo una breve introduzione alla storia dell'intelligenza artificiale, vediamo quanto le reti neurali siano importanti e, soprattutto, come funzionano i loro principali paradigmi di apprendimento.

All'interno del cervello umano la risoluzione dei problemi cognitivi è affidata a reti neurali, composte da cellule neuronali. Quando si parla di reti neurali artificiali ci si riferisce a sistemi di elaborazione dell'informazione il cui scopo è simulare il ruolo dei neuroni biologici all'interno di un sistema informatico.

Il comportamento intelligente emerge da migliaia di interazioni tra le reti neurali interconnesse. Lo scopo finale è quello di acquisire informazioni dal mondo esterno, elaborarle e restituire un risultato sotto forma di impulso.

I nodi che compongono una rete neurale sono di tre tipi:

Unità di ingresso (Input layer)

Unità nascoste (Hidden layer)

Unità di uscita (Output layer)

Schematizzazione di una rete neurale. Fonte: Wikipedia

Ognuna di queste unità si attiva se le informazioni che riceve dagli altri nodi o dal mondo esterno superano la soglia di attivazione. In questo caso emette a sua volta un segnale attraverso dei canali di comunicazione fino a raggiungere le altre unità cui è connessa. La precisione delle previsioni dipende quindi dall’intensità delle interazioni tra i vari nodi.

La funzione di trasferimento del segnale nella rete non è programmata ma è ottenuta attraverso un processo di apprendimento - definito per la prima volta da Arthur Samuel - che può essere:

Supervisionato, la rete viene addestrata tramite una serie di esempi mostrati in successione allegati dal risultato effettivo, in modo da individuare i collegamenti che li legano. Successivamente, tali dati vengono usati per modificare i parametri della rete stessa e minimizzare l'errore di previsione. Se l'addestramento ha successo, la rete impara a riconoscere la relazione incognita che lega le variabili d'ingresso a quelle d'uscita, ed è quindi in grado di fare previsioni anche laddove l'uscita non è nota a priori.

Non supervisionato, basato su algoritmi d'addestramento facendo esclusivamente riferimento ad un insieme di dati che include le sole variabili d'ingresso. Tali algoritmi tentano di raggruppare i dati d'ingresso in cluster rappresentativi dei dati stessi.

Per rinforzo, nel quale un algoritmo si prefigge lo scopo di individuare un certo modus operandi, a partire da un processo d'osservazione dell'ambiente esterno; ogni azione ha un impatto sull'ambiente, e l'ambiente produce una retroazione che guida l'algoritmo nel processo d'apprendimento. Contrariamente all’apprendimento supervisionato, non sono presentate coppie input-output di esempi noti e non si procede alla correzione esplicita di azioni subottimali.

Esistono tuttavia paradigmi di apprendimento etichettabili come nuovi, tra essi, l'apprendimento profondo. Vediamone insieme le caratteristiche, unite alle tecniche di convoluzione e pooling, in questo articolo.

Matteo Pazienza

[quantumintelligence-blog]

Le origini dell’intelligenza artificiale

Oggi si parla molto di intelligenza artificiale, delle sue applicazioni, del suo funzionamento e soprattutto della sua evoluzione negli ultimi anni. E’ quindi particolarmente rilevante comprenderne le origini e le idee fondatrici. A tal scopo ho provato a riassumere gli avvenimenti e i concetti fondamentali che hanno dato vita a questo mare di innovazioni e paure che è l’intelligenza artificiale.

Durante l’estate del 1956 in un piccolo paese situato a New Hampshire, chiamato Hanover, il Dartmouth College fu teatro di una delle conferenze più importanti degli ultimi decenni. Il piano era molto semplice, dieci ricercatori avrebbero passato due mesi discutendo e condividendo idee su una cosa chiamata intelligenza artificiale, un termine che venne coniato dall’organizzatore dell’evento John McCarthy. L’idea era quella di trovare il modo di sviluppare dei computer che potessero in qualche modo simulare la mente umana.

Foto in bianco e nero di John McCarthy nel suo laboratorio di intelligenza artificiale a Stanford. Fonte: Indipendent

“L'I.A. è al tempo stesso una scienza e un'ingegneria” (Nilsson 1998).

È una scienza perché, nel momento in cui alcuni comportamenti intelligenti vengono emulati tramite sistemi artificiali, l'uomo formula modelli oggettivi e rigorosi confermanti sperimentalmente.

L'I.A. è un'ingegneria perché, quando le macchine emulano taluni comportamenti, erroneamente ritenuti inaccessibili all'ambito artificiale, si fornisce un oggettivo progresso al miglioramento della vita dell'uomo.

Inizialmente l’I.A. ha avuto una posizione, chiamata I.A. forte, che si è posta l’obiettivo di replicare l’intelligenza umana, e in particolare la parte intellettuale. Il termine è stato introdotto dal filosofo della mente John Searle, che voluto dividere l’I.A. in due categorie:

I.A. forte: un’intelligenza artificiale che può pensare e avere una mente;

I.A. debole: un’intelligenza artificiale che agisce come se pensasse e avesse una mente.

Si consideri che tutta l’I.A. del primo periodo - fino alla fine degli anni ’80 - ha abbracciato la posizione forte. Concentrandosi maggiormente su:

Battere un campione mondiale di scacchi;

Dimostrare importanti teoremi matematici;

Oggi, a quasi 50 anni di distanza, l’unico dei traguardi effettivamente raggiunto è quello della vittoria di un computer su un campione mondiale di scacchi. Nel 1996 infatti, il campione Gary Kasparov è stato battuto da Deep Blue, un supercomputer costruito dalla IBM. Secondo le parole di Marvin Minsky, uno dei pionieri dell’I.A., lo scopo di questa nuova disciplina è quello di “Far fare alle macchine delle cose che richiederebbero l'intelligenza se fossero fatte dagli uomini”.

Foto del computer Deep Blue della IBM. Fonte: Wikipedia

Si è dato invece poco spazio ad altri elementi oggi ritenuti essenziali, come:

L’apprendimento automatico, per cui un sistema apprende a funzionare meglio sulla base delle esperienze registrate.

Capacità di riconoscere schemi, modelli, andature e di classificare.

La tecnologia emblematica dell’I.A. forte è stata quella dei sistemi esperti, ovvero insiemi di regole logiche sulla base delle quali un motore, per induzione, riesce a trarre deduzioni. L’idea sottostante era che si potesse in questo modo riversare tutta la conoscenza di un professionista di settore in una macchina, e questa avrebbe potuto essere equivalente, e quindi sostituibile, ad una persona.

I progressi dell’intelligenza artificiale registrati negli ultimi cinquant’anni sono notevoli. Questo è dovuto anche all’enorme sforzo compiuto dai ricercatori del settore: NVIDIA, per esempio, ha reso possibile la creazione di un’ambiente virtuale nel quale si possono addestrare le macchine, in modo che esse, attraverso l’apprendimento profondo, si perfezionino autonomamente.

Con questi dati, è logico pensare che, analogamente alle precedenti rivoluzioni industriali, l’obsoleto sarà sostituito dal nuovo.

La domanda finale allora diventa: saremo in grado di non farci sostituire?

Matteo Pazienza