Condividi:

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su telegram

Deep Learning (DL), cos’è, di cosa si tratta, cosa fa e soprattutto come funziona? In questo articolo ti andrò a spiegare tutte queste cose sull’apprendimento profondo (traduzione italiana del deep learning).

Partiamo subito e vediamo:

Cos’è il Deep Learning?

Come puoi ben intuire dalla traduzione di questo termine, il deep learning è un apprendimento su più livelli. Questo inoltre è una branca del Machine Learning che a sua volta fa parte dell’Intelligenza Artificiale

Il modello a cui si ispira il deep learning è quello delle reti neurali. La sua conoscenza di una specifica materia è più specifica nei livelli più alti o per così dire più profondi, mentre è più superficiale ai livelli più bassi della sua struttura.

L’apprendimento profondo esiste da molti anni come il machine learning e solo ora però se ne sente parlare di più ed è più utilizzato. Perché? Beh ad oggi infatti, ci sono tecnologie molto più avanzate.

Come funziona l’apprendimento profondo?

Il deep learning come già ti ho anticipato si basa sul modello delle reti neurali artificiali. Infatti, più strati nascosti ci sono e più è profonda la conoscenza dei dati che ha quel determinato algoritmo di DL.

Per farti comprendere al meglio come funziona ti faccio un esempio pratico:

L’algoritmo (vedi cos’è un algoritmo qui, se non lo sai) è addestrato per riconoscere i vari angoli di una forma geometrica, ma se questo impara a riconoscere anche i bordi e i vari tipi di forme, costruirà sempre più livelli di neuroni.
Una volta appresi questi altri dati, il modello di Deep learning formatosi sarà in grado di riconoscere qualsiasi forma, anche quella più complessa.

deep learning
Image from Towards Data Science

Per riassumere un po’: più dati ha l’algoritmo e più livelli ci sono. Più livelli ci sono e più l’algoritmo è profondo. Per questo viene chiamato apprendimento profondo.

Il deep learning è uno strumento molto potente soprattutto quando lo applichiamo nella vita reale, ma prima di arrivare a ciò, ti voglio dire altre due cosette.

Il DL fa parte della categoria di apprendimento non supervisionato (unsupervised learning) e per questo ad esempio, per il riconoscimento delle immagini, vengono usate delle etichette (o meta tag) che aiutano a capire all’algoritmo cosa c’è in quell’immagine.

Questo procedimento viene fatto per addestrare il modello di apprendimento con milioni e milioni di immagini differenti cosicché quando gli viene proposto di analizzare un determinato oggetto riesce a riconoscerlo molto velocemente.

Qualche applicazione di questo tipo di riconoscimento e di utilizzo del deep learning lo possiamo trovare nelle auto a guida autonoma o anche in medicina, ma non solo. Te lo spiego un po’ più nel concreto.

Applicazioni del deep learning nella vita reale

Pian piano iniziano a spuntare sempre più auto a guida autonoma. Queste sfruttano il deep learning per eseguire milioni di operazioni al secondo.

Tu pensa quando avvii il pilota automatico su una Tesla, questa deve fare tante cose tutte insieme. Infatti, l’auto viene dotata di telecamere che possano riprendere da tutti gli angoli e da tanti altri sensori.

Queste attrezzature permettono all’intelligenza artificiale (già addestrata in precedenza) di raccogliere i dat sull’ambiente circostante e così riconoscere pedoni, segnali, altri veicoli e allo sesso tempo elaborare quello che deve fare.

Ad esempio, se un pedone attraversa improvvisamente una strada, l’auto deve essere pronta prima di tutto a riconoscere la figura, poi l’azione che sta facendo (attraversare la strada) e successivamente eseguire la frenata per non investire la persona.

Ovviamente, dietro ci sono molti altri processi che vengono eseguiti e per addestrare tale IA c’è molto lavoro da fare.


Ecco un’immagine che ti può aiutare a comprendere meglio quello che vede l’auto a guida autonoma:

deep learning
From MC.AI – Telecamera dotata di intelligenza artificiale

Facebook al passo con il deep learning

pytorch - deep learning

Facebook è una delle aziende leader del settore tech. La compagnia infatti, non resta indietro e vuole sempre cercare di stare un passo avanti soprattutto nello sviluppo di queste “nuove” tecnologie che contribuiscono anche allo sviluppo del suo business.

La società nel 2019 ha lanciato un framework del tutto nuovo che ad oggi viene utilizzato dalla maggior parte delle persone che operano nel campo dell’intelligenza artificiale. Il nuovo framework introdotto da facebook si chiama Pytorch.

Pytorch è una libreria di apprendimento automatico, è Open Source e a detta di molti analisti è migliore e più accessibile rispetto a Tensorflow, framework di Google.

Il futuro con l’apprendimento profondo

Per trarre un po’ le conclusioni di questo articolo, vorrei parlare un po’ di quello che è il futuro di questo modello di intelligenza artificiale.

Dal mio punto di vista, questa tecnologia potrà portare esclusivamente benefici se usata per scopi benefici e non maligni. Pensiamo a tutti quei casi al quale si potrebbe applicare il deep learning.

Se prendiamo come ad esempio il campo medico, il DL potrebbe davvero salvare migliaia se non milioni di vite umane, grazie a delle previsioni fatte molti anni prima.

Sicuramente è una di quelle cose che vanno approfondite perché sino ad adesso abbiamo toccato con mano solo la punta di questa tecnologia.

Grazie al deep learning, potrà il mondo essere un posto migliore?

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su telegram
Antonio Furioso

Antonio Furioso

Fondatore di Neuragate. Credo molto in quello che le immagini possono comunicare, per questo sono fortemente attratto dalla Computer Vision. Mi piace tutto quello che è nuovo. La curiosità è quella che mi spinge oltre le aspettative e a fare sempre di più.

Iscriviti
Notificami
guest
0 Commenti
Inline Feedback
Vedi tutti i commenti