nel confronto continuo con il mondo. Il cervello, continuamente stimolatodal mondo degli agenti,dimostra la propria plasticità sia con variazioni strutturali, connesse alla crescita di nuove fibrenervose e nuove ramificazioni, sia con modificazioni chimiche legate alla variazione diaccoppiamento sinaptico. Le reti neurali artificiali simulano quasi esclusivamente la variazionechimica dell'accoppiamento sinaptico attraverso la variazione dei pesi del neurone matematico,anche se in qualità di ricercatore e direttore tecnico dellaNeurotech, ho (assieme al gruppo da mecoordinato)iniziato la sperimentazione di algoritmi neurali in grado di simulare la crescita di nuovefibre nervose ritenendo questo aspetto fondamentale alla creazione di reti neurali di nuovagenerazione. Ma il livello di simulazione matematica costituisce solamente la teoria delle retineurali, ad essa deve seguire la simulazione software ed hardware che si svolge su di un terrenoaltrettanto complesso e spesso paradossale. Infatti i calcolatori digitali, legati alle regole dellalogica digitale, vengono impiegati per simulare l'attività del neurone matematico che svolge, sulsegnale dell'input, un'operazione di trasformazione analogica ovvero un filtraggio additivo delsegnale. Quindi partendo dal concetto di neurone, che costituisce l'oggetto elementare, sicostruisce una grande complessità di interconnessione nella quale viene simulata la distribuzionedei processi di retroazione. Ciò che viene realizzato è quindi un algoritmo connessionista chesimula la non linearitàdella trasformazione dell'informazione. Questo significa che l'informazionenella simulazione delle reti neurali viene distribuita e scomposta ad un livello sub simbolico,diversamente dalla logica dei calcolatori digitali che hanno un approccio simbolico con laconoscenza ed il mondo. L'approccio storico delle reti neurali si basa quindi sulle leggi diattivazione e modificazione del neurone biologico codificate dalla ricerca neurofisiologica. Sullabase dei risultati sperimentali delle neuroscienze, sono stati sviluppati, negli anni,modellimatematici in grado di simulare alcune caratteristiche elementari dei tessuti neuronali qualil'apprendimento, la memoria, il riconoscimento ecc. Basandosi su concetti d'ispirazione biologica,la struttura dei modelli di simulazione neurale si è differenziata profondamente dagli algoritmi dicalcolo tradizionale. I calcolatori digitali basati sugli assiomi di Von Neumann, interpretano ilcalcolo come un processo sequenziale e fortemente centralizzato, ma la struttura celebralealtamente connessionista ha suggerito un'idea di calcolo parallelo. Il neurone matematico insimilitudine alle cellule nervose distribuisce e memorizza l'informazione attraverso una funzione ditrasferimento non lineare all'interno dell'intero sistema delle interconnessioni. Il primo approccioalle questioni connesse all'intelligenza artificiale si era ispirato alla struttura del calcolatore comemodello di funzionamento del cervello. Il risultato di un siffatto parallelismo sottintendeva l'idea diun centro di elaborazione delle attività celebrali in similitudine al Central Processing Unit. Ma lanegazione di tale assunto, da parte delle ricerche neurofisiologiche, ha aperto le porte ad unapproccio totalmente nuovo e rivoluzionario alla questione. Lo studio delle reti neurali artificiali staportando avanti l'idea che il cervello possa costituire da modello per il calcolatore. L'informazionenel cervello non è centralizzata in una specifica area ma viene distribuita in ogni suo componente.Seguendo questo schema, le unità di elaborazione artificiali si differenziano negli strati d'ingressoe di uscita in quanto utilizzano pesi di connessione sinaptica variabili. In questa variabilità dei pesidi accoppiamento viene distribuita l'informazione ed elaborata attraverso le funzioni ditrasferimento che propagano e retropropagano l'input sino a trasformarlo in output. Sicuramentel'utilizzo più importante delle reti neurali è legato al riconoscimento di pattern sia visivi cheacustici. Questo genere di applicazioni hanno primariamente mostrato i limiti dellaprogrammazione tradizionale e successivamente hanno dimostrato le potenzialità dellasimulazione neurale. Attraverso il modo in cui è affrontato il problema del riconoscimento deipattern, in relazione all'apprendimento di tali forme, è possibile distinguere le reti neurali artificialiin due famiglie. Abbiamo da un lato le reti neurali ad apprendimento supervisionato e dall'altro lereti neurali ad apprendimento non supervisionato. Nelle reti supervisionate l'apprendimento èvincolato ad un supervisore, ovvero ad un istruttore esterno in grado di pianificare
Page 3/5
Leave a Comment