Aldo D. Ficara: intelligenza artificiale e didattica tra Deep Learning, GAN e Reti Neurali

L’AI Generativa non è una nuova area dell’Intelligenza Artificiale (AI). Infatti, è da almeno dieci anni che gli addetti ai lavori usano modelli, perlopiù per la generazione di testi e immagini.

I precursori dell’AI Generativa sono stati il Deep Learning (o apprendimento approfondito), che consiste in un ramo approfondito del Machine Learning, e le reti neurali, ossia modelli di neuroni artificiali ispirati alle reti del cervello umano. In una sua lezione svolta nell’ambito di una iniziativa tecnologica della Silicon Valley dello Stretto, il Prof Aldo Domenico Ficara ha detto che tra le prime architetture che possiamo menzionare per la parte generativa troviamo, ad esempio, la GAN (Generative Adversarial Network).

Ficara continua osservando che queste prime architetture avevano difficoltà a gestire grandi quantità di testo. Tale ostacolo è stato poi risolto con l’architettura dei Transformer ( Il Transformer è un’architettura di Rete Neurale. Le Reti Neurali Artificiali sono modelli di apprendimento automatico ispirati al funzionamento del cervello umano. Esse sono costituite da strati di nodi (neuroni) collegati tra loro, dove ogni connessione ha un peso che viene adattato durante l’addestramento. Le Reti Neurali possono essere semplici (con pochi strati) o profonde (con molti strati), quest’ultima categoria è nota come Deep Learning ). Per l’AI questa nuova capacità ha rappresentato una nuova grande conquista, abilitata da tre principali fattori:

· il primo è la disponibilità di dati che, grazie a Internet, alla sensoristica IoT e al digitale, in generale sono oggi disponibili in quantità senza precedenti;
· il secondo è la grande evoluzione dei modelli e degli algoritmi alla base dell’AI, che citavamo in precedenza;

· il terzo è l’avanzamento tecnologico degli hardware di nuova generazione che sono sempre più performanti e permettono di sfruttare appieno questa tecnologia.

In questo contesto, dobbiamo tenere presente che l’AI Generativa viene alimentata da enormi quantità di dati elaborati da strutture con altissime complessità (reti neurali) e hanno quindi bisogno di molta capacità computazionale.

Si ricorda che una GAN è un’architettura di deep learning. Essa addestra due reti neurali a competere l’una contro l’altra per generare nuovi dati più autentici da un determinato set di dati di allenamento. Ad esempio, puoi generare nuove immagini da un database di immagini esistente o musica originale da un database di canzoni. Un GAN si chiama antagonista perché addestra due reti diverse e le mette l’una contro l’altra. Una rete genera nuovi dati prelevando un campione di dati di input e modificandolo il più possibile.

L’altra rete tenta di prevedere se l’output dei dati generato appartiene al set di dati originale. In altre parole, la rete di previsione determina se i dati generati sono falsi o reali. Il sistema genera versioni più recenti e migliorate di valori di dati falsi fino a quando la rete di previsione non è più in grado di distinguere i valori falsi da quelli originali.

Continua la lettura su: https://www.oggiscuola.com/web/2024/10/17/aldo-d-ficara-intelligenza-artificiale-e-didattica-tra-deep-learning-gan-e-reti-neurali/ Autore del post: OggiScuola Fonte: https://www.oggiscuola.com/