Sommario Da alcuni anni, forse un decennio, l'intelligenza artificiale pare fare sul serio, smentendo decenni di scetticismo innescato da mancate promesse, e prefigurando cambiamenti socio-economici di vasta portata. Alla base di questo inaspettato successo vi e` una famiglia di algoritmi raccolti sotto l'etichetta deep learning. Lo scopo di questo lavoro e` interrogarsi sulle cause dell'efficacia senza altri paragoni di tali algoritmi, descrivere la loro discendenza da precursori nel campo delle reti neurali artificiali, e tentare di analizzare i fattori che hanno determinato i vistosi vantaggi rispetto ai modelli da cui derivano. Circola in letteratura una prevalente motivazione addotta per giustificare il successo del deep learning, con una sua presunta similarita` con certi processi cerebrali. Un'attenta analisi dei principali elementi computazionali che rendono tali algoritmi potenti sembra sconfessare questa spiegazione. Soprattutto, essa pare piu` pertinente al contesto della scoperta che quello della giustificazione. Volendo perseguire quest'ultimo, si rintracciano alcuni tentativi di caratterizzare matematicamente le proprieta` delle funzioni realizzabili da reti neurali artificiali, e in particolare della categoria deep learning. Tentativi ancora molto parziali, in un'impresa che appare molto ardua.

Perche' l'intelligenza artificiale (finalmente) funziona

Alessio Plebe
2017-01-01

Abstract

Sommario Da alcuni anni, forse un decennio, l'intelligenza artificiale pare fare sul serio, smentendo decenni di scetticismo innescato da mancate promesse, e prefigurando cambiamenti socio-economici di vasta portata. Alla base di questo inaspettato successo vi e` una famiglia di algoritmi raccolti sotto l'etichetta deep learning. Lo scopo di questo lavoro e` interrogarsi sulle cause dell'efficacia senza altri paragoni di tali algoritmi, descrivere la loro discendenza da precursori nel campo delle reti neurali artificiali, e tentare di analizzare i fattori che hanno determinato i vistosi vantaggi rispetto ai modelli da cui derivano. Circola in letteratura una prevalente motivazione addotta per giustificare il successo del deep learning, con una sua presunta similarita` con certi processi cerebrali. Un'attenta analisi dei principali elementi computazionali che rendono tali algoritmi potenti sembra sconfessare questa spiegazione. Soprattutto, essa pare piu` pertinente al contesto della scoperta che quello della giustificazione. Volendo perseguire quest'ultimo, si rintracciano alcuni tentativi di caratterizzare matematicamente le proprieta` delle funzioni realizzabili da reti neurali artificiali, e in particolare della categoria deep learning. Tentativi ancora molto parziali, in un'impresa che appare molto ardua.
2017
978-88-98138-25-8
File in questo prodotto:
Non ci sono file associati a questo prodotto.
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11570/3124964
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact