Il “Deep Learning” è una delle forme dell’Intelligenza Artificiale. Secondo Yann Le CUN, si tratta di un incrocio tra diversi tipi di conoscenze: neuroscienze, matematica e progresso tecnico.

Perchè Deep?

Il Deep Learning è fatto come il nostro cervello, ossia è composto da più strati di neuroni. Le informazioni passano dunque attraverso i vari strati di informazione immagazzinati nella memoria. Questo rende possibile l’analisi di diverse soluzioni o la risoluzione di svariati problemi. Nonostante ciò, esso funziona in maniera molto più intensiva rispetto al nostro cervello, perché il numero di strati neuronali è estremamente maggiore (20 o più). L’essere umano possiede 6 strati di neuroni. Per questa ragione il Deep Learning può essere definito come una rete neurale artificiale. 

Dove si trova?

Il Deep Learning è costantemente presente nelle nostre vite quotidiane, per esempio nel riconoscimento facciale (negli smartphones) o ancora nell’elaborazione del linguaggio (traduzione). Sono gli strati di neuroni che permettono una sempre maggiore precisione. Ma, prima di far in modo che questi possano invadere completamente le nostre vite, è necessario che le macchine vengano addestrate. È estremamente importante che queste macchine riescano a vedere il mondo esattamente come lo vede l’uomo, in modo da costruire sistemi intelligenti. Per far questo, vengono affidati alla macchina migliaia di dati che dovrà imparare a riconoscere. Dopo questa fase, la macchina sarà in grado di apprendere da sola.

Stiamo vivendo i migliori anni del Deep Learning, ma è importante conoscere che questo metodo esiste da ormai molti anni. La prima rete neurale artificiale è stata creata nel 1951 per opera di Minsky e Edmonds (Università di Harvard). Il concetto verrà poi sviluppato da Alan Turing, negli anni 50, grazie alla celebre macchina Enigma (Vedere il fil “Imitation Game”).