Le reti neurali sono lo stato dell’arte nel trattamento dell’informazione. Sono basate su principi completamente differenti da quelli normalmente utilizzati nell’AI classica per il trattamento dell’informazione e il supporto alla decisione. In effetti, in una rete neurale le informazioni sono scomposte in informazioni "elementari" contenute all’interno di ogni singolo neurone. Una rete neurale può essere vista come un sistema in grado di dare una risposta ad una domanda o fornire un output in risposta ad un input.
La combinazione in/out ovvero la funzione di trasferimento della rete non viene programmata ,ma viene ottenuta attraverso un processo di "addestramento" con dati empirici. In pratica la rete apprende la funzione che lega l output con l input attraverso la presentazione di esempi corretti di coppie input/output. Effettivamente, per ogni input presentato alla rete, nel processo di apprendi mento, la rete fornisce un output che si discosta di una certa quantità DELTA dall’output desiderato: l' algoritmo di addestramento modifica alcuni parametri della rete nella direzione desiderata(fig.1).
Ogni volta che viene presentato un esempio, quindi, l'algoritmo avvicina un poco i parametri della rete ai valori ottimali per la soluzione dell’esempio: in questo modo l'algoritmo cerca di "accontentare " tutti gli esempi un po’ per volta. I parametri di cui si parla sono essenzialmente i pesi o fattori di collegamento tra i neuroni che compongono la rete. Una rete neurale è infatti composta da un certo numero di neuroni collegati tra loro da collegamenti "pesati" , proprio come lo sono i neuroni del cervello umano. Ciò che ha portato alla realizzazione delle reti neurali è stato il tentativo di realizzare delle simulazioni delle strutture nervose del tessuto cerebrale. Tale obiettivo è, però, sfociato nella identificazione di modelli matematici che non hanno molte affinità con i modelli biologici. Un neurone del tessuto cerebrale può essere visto come una cella (corpo cellulare) che ha molti ingressi (dendriti) e una sola uscita(assone): una rete neurale biologica è composta da molti neuroni dove gli assoni di ogni neurone vanno a collegarsi ai dendriti di altri neuroni tramite un collegamento (la cui forza varia chimicamente in fase di apprendimento e costituisce una "microinformazione") che viene chiamato sinapsi.
La fig.2 è la rappresentazione formale di un neurone biologico: come si può notare il neurone ha una sua interna funzione di trasferimento. Non sono ancora chiari i meccanismi di apprendimento del cervello degli esseri viventi e le reti neurali artificiali sono attualmente solo un sistema di trattamento dell’ informazione in modo distribuito con algoritmi di apprendimento dedicati. Bisogna sottolineare però che le reti neurali hanno caratteristiche sorprendentemente simili a quelle del cervello umano, come capacità di apprendere, scarsa precisione associata ad alta elasticità di interpretazione dell’input e quindi capacità di estrapolazione. Quella che abbiamo chiamato elasticità di interpretazione dell input viene comunemente chiamata "resistenza al rumore" o "capacità di comprendere dati rumorosi": un sistema programmato ha bisogno di un input ben preciso per dare una risposta corretta, mentre una rete neurale è in grado di dare una risposta abbastanza corretta ad un input parziale o impreciso rispetto a quelli utilizzati negli esempi di addestramento.
Luca Marchese
Successivo: Tipi di reti Neurali
Sommario: Indice