deep learning

Definizione: apprendimento profondo

Il deep learning è una tecnica di apprendimento automatico che costruisce reti neurali artificiali per imitare la struttura e la funzione del cervello umano. In pratica, il deep learning, noto anche come apprendimento strutturato profondo o apprendimento gerarchico, utilizza un gran numero di livelli nascosti – solitamente più di 6 ma spesso molti di più – di elaborazione non lineare per estrarre caratteristiche dai dati e trasformare i dati in diversi livelli di astrazione (rappresentazioni).

Ad esempio, supponiamo che i dati di input siano una matrice di pixel. Il primo livello solitamente estrae i pixel e riconosce i bordi degli elementi dell’immagine. Lo strato successivo può costruire elementi semplici dai bordi, come foglie e rami. Il livello successivo potrebbe quindi riconoscere un albero, ecc. Il passaggio dei dati da uno strato all’altro è considerato una trasformazione, trasformando l’output di uno strato nell’input per il successivo. Ogni livello corrisponde a un diverso livello di astrazione e la macchina può apprendere da sola quali caratteristiche dei dati posizionare in quale livello/livello. L’apprendimento profondo differisce dal tradizionale “apprendimento superficiale” perché apprende livelli molto più profondi di astrazione e rappresentazione gerarchica.

Perché il Deep Learning è importante?

Questa tecnica di apprendimento è uno strumento rivoluzionario per l’elaborazione di grandi quantità di dati, poiché le prestazioni della macchina migliorano man mano che analizza più dati. All’aumentare della quantità di dati, la macchina diventa più capace di riconoscere modelli, anche nascosti, tra i dati. Poiché la macchina apprende anche dai dati elaborati, è in grado di eseguire automaticamente l’estrazione e l’astrazione delle funzionalità dai dati grezzi con un intervento umano minimo o nullo.

A lire également  Retribuzione lorda: definizione

Usi pratici dell’apprendimento profondo

Riconoscimento vocale automatico – Tutti i principali sistemi di riconoscimento vocale commerciali (si pensi al tuo assistente smartphone) utilizzano alcune tecniche di Deep Learning, con le reti neurali ricorrenti attualmente le più popolari.

Visione computerizzata – Le immagini vengono utilizzate per addestrare la macchina a riconoscere le caratteristiche e ora le macchine mostrano una precisione “sovrumana” nel riconoscimento delle immagini.

Elaborazione del linguaggio naturale – Le moderne tecniche di deep learning hanno migliorato la traduzione e la modellazione del linguaggio. Google Translate utilizza tecniche di deep learning per tradurre in base alla semantica di un’intera frase invece di limitarsi a memorizzare le traduzioni da frase a frase.