Ciao, e benvenuto nella quarta puntata della ventunesima stagione. Nella scorsa puntata abbiamo capito che imparare, per una macchina, significa regolare tante manopole guidate dagli esempi. Oggi apriamo davvero la scatola e guardiamo cos'è, dentro, la macchina che impara. Perché la tecnologia dietro gran parte dell'intelligenza artificiale moderna ha un nome affascinante e un'ispirazione sorprendente: la rete neurale, ispirata, alla lontana, a come funziona il cervello. Oggi capiamo cos'è, senza mistificazioni, e perché è così potente.
Partiamo dall'ispirazione, ma con una precisazione onesta che voglio fare subito. La rete neurale prende spunto, molto alla lontana, da come è fatto il cervello. Il nostro cervello è fatto di miliardi di cellule, i neuroni, collegate tra loro, che si scambiano segnali: ogni neurone riceve segnali da altri, e a seconda di quanto sono forti, decide se attivarsi e passare a sua volta un segnale ai neuroni successivi. Da questa immagine i ricercatori hanno preso ispirazione. Ma attenzione: è un'ispirazione lontana, semplificata all'estremo. Una rete neurale artificiale non è un cervello, non gli assomiglia davvero nel funzionamento profondo. Il nome evoca il cervello, ma non lasciarti ingannare: è molto, molto più semplice e diverso.
Vediamo dunque com'è fatta, concretamente, una rete neurale artificiale, perché l'idea è elegante. Immagina tante piccole unità, dei nodi, disposte e collegate tra loro. Ogni unità riceve dei numeri in ingresso da altre unità, li combina in modo semplice, e passa un risultato alle unità successive. I collegamenti tra le unità hanno una forza, un peso, che dice quanto conta il segnale che passa per quel collegamento. Ricordi le manopole della scorsa puntata? Ecco, le forze di questi collegamenti sono proprio le manopole: sono loro che vengono regolate durante l'apprendimento. Una rete neurale è, in sostanza, una ragnatela di unità semplici collegate, con collegamenti la cui forza si può regolare.
Ora, il punto cruciale, dove avviene l'apprendimento, e voglio che sia chiaro: imparare, per la rete, significa regolare la forza di tutti questi collegamenti. All'inizio, le forze sono a caso, e la rete produce risposte a caso. Durante l'addestramento, con il processo di tentativo, errore e correzione che abbiamo visto, le forze dei collegamenti vengono aggiustate, un pochino alla volta, esempio dopo esempio, finché la rete, nel suo insieme, comincia a produrre le risposte giuste. Il sapere della rete non sta in nessun punto preciso: sta distribuito nella forza di tutti i suoi collegamenti, nel modo in cui, insieme, incanalano i segnali dall'ingresso all'uscita. È un sapere diffuso in tutta la ragnatela.
C'è un aspetto della struttura che voglio spiegarti, perché è quello che dà il nome a profondo e spiega gran parte della potenza: gli strati. Le unità di una rete sono di solito organizzate in strati, uno dopo l'altro: un primo strato riceve i dati grezzi in ingresso, li elabora un po' e passa il risultato allo strato successivo, che lo elabora ancora e passa al successivo, e così via, fino all'ultimo strato che produce la risposta. Impilare tanti strati, uno sopra l'altro, è ciò che si chiama apprendimento profondo, dove profondo significa proprio con tanti strati. E questa profondità è la chiave della potenza, per una ragione bellissima che ora vediamo.
Voglio farti apprezzare perché impilare gli strati renda la rete così potente, perché è affascinante. Accade qualcosa di notevole: i primi strati imparano a riconoscere cose semplici, e gli strati successivi, basandosi su quelle, imparano a riconoscere cose via via più complesse. In una rete che riconosce immagini, per esempio, i primi strati potrebbero cogliere macchie e bordi elementari; gli strati successivi, combinando quei bordi, potrebbero cogliere forme come occhi o orecchie; e gli strati ancora più profondi, combinando quelle forme, potrebbero riconoscere un intero volto, o un gatto. Ogni strato costruisce sopra il precedente, dal semplice al complesso, componendo pian piano concetti sempre più ricchi. È questa costruzione a strati, dal semplice al complesso, che permette alle reti profonde di cogliere modelli straordinariamente sofisticati.
Voglio collegare questo a idee che abbiamo incontrato in altre stagioni, perché ti aiuteranno a fissarlo. Ricordi gli strati di internet, dove ogni strato costruiva sul precedente? O i piccoli pezzi che, combinati, formano cose complesse? Qui ritroviamo lo stesso spirito: unità semplici che, collegate e impilate a strati, danno origine a un comportamento complesso che nessuna unità sola possiede. La potenza non sta nella singola unità, che è semplicissima, ma nell'organizzazione di moltissime unità semplici in una struttura a strati. È un altro esempio di come, dal combinare tanti elementi semplici, emerga qualcosa di sorprendentemente potente, un tema ricorrente in tutta l'informatica e non solo.
Per oggi ci fermiamo qui. La tecnologia dietro gran parte dell'intelligenza artificiale moderna è la rete neurale, ispirata alla lontana al cervello ma in realtà molto più semplice e diversa. È una ragnatela di unità semplici collegate, dove i collegamenti hanno una forza regolabile, le manopole che si aggiustano imparando. Il sapere della rete sta distribuito nella forza di tutti i collegamenti. Le unità sono organizzate in strati, e impilarne tanti, l'apprendimento profondo, permette di cogliere modelli sempre più complessi, dal semplice bordo al volto intero. È la potenza che emerge dall'organizzare tante unità semplici. Nella prossima puntata vediamo qual è il vero superpotere di tutto questo, e il suo limite. Nelle note trovi qualche spunto. Se ti è utile, condividila. Grazie per l'ascolto, e ci sentiamo alla prossima.