Rete neurale artificiale (ANN)
Che cos’è una rete neurale artificiale (ANN)?
Una rete neurale artificiale (ANN) è l’elemento di un sistema informatico progettato per simulare il modo in cui il cervello umano analizza ed elabora le informazioni. È il fondamento dell’intelligenza artificiale (AI) e risolve problemi che si rivelerebbero impossibili o difficili per gli standard umani o statistici. Le ANN hanno capacità di autoapprendimento che consentono loro di produrre risultati migliori man mano che più dati diventano disponibili.
Punti chiave
- Una rete neurale artificiale (ANN) è il componente dell’intelligenza artificiale che ha lo scopo di simulare il funzionamento di un cervello umano.
- Le unità di elaborazione costituiscono ANN, che a loro volta consistono in input e output. Gli input sono ciò da cui la RNA impara per produrre l’output desiderato.
- Backpropagation è l’insieme di regole di apprendimento utilizzate per guidare le reti neurali artificiali.
- Le applicazioni pratiche delle ANN sono in lungo e in largo e comprendono finanza, comunicazione personale, industria, istruzione e così via.
Comprensione di una rete neurale artificiale (ANN)
Le reti neurali artificiali sono costruite come il cervello umano, con i nodi dei neuroni interconnessi come una rete. Il cervello umano ha centinaia di miliardi di cellule chiamate neuroni. Ogni neurone è costituito da un corpo cellulare che è responsabile dell’elaborazione delle informazioni trasportando le informazioni verso (input) e lontano (uscite) dal cervello.
Una ANN ha centinaia o migliaia di neuroni artificiali chiamati unità di elaborazione, che sono interconnessi da nodi. Queste unità di elaborazione sono costituite da unità di input e output. Le unità di input ricevono varie forme e strutture di informazioni basate su un sistema di ponderazione interno e la rete neurale tenta di apprendere le informazioni presentate per produrre un rapporto di output. Proprio come gli esseri umani hanno bisogno di regole e linee guida per ottenere un risultato o un output, le ANN utilizzano anche una serie di regole di apprendimento chiamate backpropagation, un’abbreviazione per la propagazione all’indietro dell’errore, per perfezionare i risultati di output.
Una RNA inizialmente passa attraverso una fase di formazione in cui impara a riconoscere i modelli nei dati, visivamente, acusticamente o testualmente. Durante questa fase di supervisione, la rete confronta l’output effettivo prodotto con ciò che doveva produrre: l’output desiderato. La differenza tra i due risultati viene regolata utilizzando la backpropagation. Ciò significa che la rete lavora all’indietro, passando dall’unità di output alle unità di input per regolare il peso delle sue connessioni tra le unità fino a quando la differenza tra il risultato effettivo e quello desiderato non produce l’errore più basso possibile.
Durante la fase di formazione e supervisione, alla RNA viene insegnato cosa cercare e quale dovrebbe essere il suo output, utilizzando tipi di domande sì / no con numeri binari. Ad esempio, una banca che desidera rilevare tempestivamente le frodi con carta di credito può avere quattro unità di input alimentate con queste domande: (1) La transazione è in un paese diverso dal paese di residenza dell’utente? (2) Il sito Web su cui viene utilizzata la carta è affiliato con società o paesi nell’elenco di controllo della banca? (3) L’importo della transazione è superiore a $ 2.000? (4) Il nome sulla fattura della transazione è uguale al nome del titolare della carta?
La banca vuole che le risposte “frode rilevata” siano Sì Sì Sì No, che in formato binario sarebbe 1 1 1 0. Se l’output effettivo della rete è 1 0 1 0, regola i suoi risultati fino a quando non fornisce un output che coincide con 1 1 1 0. Dopo l’addestramento, il sistema informatico può avvisare la banca di transazioni fraudolente in sospeso, facendo risparmiare alla banca un sacco di soldi.
Applicazioni pratiche per reti neurali artificiali (ANN)
Le reti neurali artificiali stanno aprendo la strada allo sviluppo di applicazioni che cambiano la vita da utilizzare in tutti i settori dell’economia. Le piattaforme di intelligenza artificiale costruite su ANN stanno interrompendo i modi tradizionali di fare le cose. Dalla traduzione di pagine web in altre lingue, al fatto che un assistente virtuale ordini generi alimentari online, alla conversazione con i chatbot per risolvere i problemi, le piattaforme di intelligenza artificiale semplificano le transazioni e rendono i servizi accessibili a tutti a costi irrisori.
Le reti neurali artificiali sono state applicate in tutte le aree operative. I fornitori di servizi di posta elettronica utilizzano ANN per rilevare ed eliminare lo spam dalla posta in arrivo di un utente; i gestori patrimoniali lo utilizzano per prevedere la direzione delle azioni di una società; le società di rating del credito lo utilizzano per migliorare i propri metodi di valutazione del credito; le piattaforme di e-commerce lo utilizzano per personalizzare i consigli per il proprio pubblico; i chatbot sono sviluppati con ANN per l’elaborazione del linguaggio naturale; gli algoritmi di deep learning utilizzano ANN per prevedere la probabilità di un evento; e l’elenco delle incorporazioni di ANN va avanti in più settori, industrie e paesi.