Vivere l'Intelligenza Artificiale

Sfoglia il programma

INFORMATICA TRADIZIONALE
Trasferimento dati su modelli precisi matematici con procedura ben definita.
Archiviazione - calcolo - trasferimento dati
ML =MACHINE LEARNING
I.A. Come ragiona l’esperienza umana: dalla casistica-modello predittico-soluzione
KBS = KNOWLEDGE BASED SYSTEM : sistemi basati sulla conoscenza.
1956
Il machine learning è una forma di intelligenza artificiale
Il machine learning è una sottocategoria dell'intelligenza artificiale, automatizza in modo efficiente il processo di costruzione di modelli analitici e consente alle macchine di adattarsi a nuovi scenari in modo autonomo L’idea che le reti neurali artificiali un giorno diventino così sofisticate da replicare la consapevolezza umana può entusiasmare più o meno, il machine learning comporta comunque vantaggi pratici innegabili e in particolare:
- una gestione intelligente dei Big Data: : gli enormi volumi e l'eterogeneità dei dati generati dall'interazione degli esseri umani e di altri agenti ambientali con la tecnologia sarebbero impossibili da gestire e utilizzare per ricavarne informazioni approfondite senza la velocità e la complessità del machine learning;
- i dispositivi intelligenti: da quelli indossabili per il fitness e la salute, alle automobili senza conducente, fino alle "smart city" con un'infrastruttura che riduce automaticamente gli sprechi di tempo ed energia, l'Internet of Things (IoT) è una tecnologia molto promettente, e il machine learning può aiutare nella gestione di questa massa crescente di dati;
- le esperienze soddisfacenti dei consumatori: il machine learning consente ai motori di ricerca, alle applicazioni web e ad altre tecnologie di personalizzare i risultati e le raccomandazioni in base alle preferenze degli utenti, creando esperienze piacevolmente personalizzate per i consumatori.
RETI NEURALI (1943)
Il cervello umano è costituito da 100 miliardi di neuroni connessi tra loro.
Dal neurone biologico al neurone artificiale.
Nel campo dell'apprendimento automatico, una rete neurale artificiale (in inglese artificial neural network, abbreviato in ANN o anche come NN) è un modello computazionale composto di "neuroni" artificiali, ispirato vagamente dalla semplificazione di una rete neurale biologica.
DEEP LEARNING
La traduzione letterale è apprendimento profondo ma il Deep Learning, sotto categoria del Machine Learning e del più ampio mondo dell’Intelligenza Artificiale, sottende a qualcosa di molto più ampio del “semplice” apprendimento su più livelli delle macchine.

Da un punto di vista scientifico, potremmo dire che il Deep Learning è l’apprendimento da parte delle “macchine” attraverso dati appresi grazie all’utilizzo di algoritmi prevalentemente di calcolo statistico).
Il Deep Learning (noto anche come apprendimento strutturato profondo o apprendimento gerarchico), infatti, fa parte di una più ampia famiglia di metodi di Machine Learning basati sull’assimilazione di rappresentazioni di dati, al contrario di algoritmi per l’esecuzione di task specifici.
Le architetture di Deep Learning (con le quali oggi si riporta all’attenzione anche del grande pubblico il concetto di rete neurale artificiale) sono per esempio state applicate nella computer vision, nel riconoscimento automatico della lingua parlata, nell’elaborazione del linguaggio naturale, nel riconoscimento audio e nella bioinformatica (l’utilizzo di strumenti informatici per descrivere dal punto di vista numerico e statistico determinati fenomeni biologici come le sequenze di geni, la composizione e la struttura delle proteine, i processi biochimici nelle cellule, ecc.).

18.05.22
FUNZIONAMENTO DELL’INTELLIGENZA ARTIFICIALE NEI DISPOSITIVI DIGITALI

A - FUNZIONAMENTO