La naturaleza como modelo

La natura come modello

es flag
en flag
it flag
pt flag
ro flag
ru flag
Lectura automática
Voiced by Amazon Polly

Intelligenza Artificiale. Passato, presente e futuro (V)

Molti dei successi dell'intelligenza artificiale di oggi sono dovuti a una serie di strumenti, euristica e modelli definiti o ispirati principalmente dalla natura, e alcune delle scoperte concettuali cui John McCarthy ha fatto riferimento hanno cominciato a verificarsi negli anni '90. Progressi nelle neuroscienze, nuovi modelli di computer, euristica,...

L'intelligenza artificiale inizia a essere considerata come un'emulazione del comportamento umano. Ma invece di programmare macchine per eseguire esplicitamente un'attività, viene utilizzato un approccio diverso. L'apprendimento automatico ha cominciato a essere sfruttato in sempre più campi.

Dall'anno 91 con la creazione di Internet e d'ora in poi con l'esplosione dei dati disponibili, l'interesse per le tecniche AI è stato riattivato. Si basa sull'esperienza intesa come dati, per imitare il funzionamento del sistema nervoso. I modelli di Machine Learning sono definiti che, utilizzando le grandi quantità di informazioni disponibili, riescono a apprendere e offrire soluzioni che non sono accessibili con un approccio classico.

Algoritmi genetici

Un algoritmo è, in termini generali, una serie di passaggi organizzati che descrivono il processo che deve essere seguito per risolvere un problema specifico. Invece, gli algoritmi genetici propongono di utilizzare le leggi che regolano l'evoluzione naturale per dare quella soluzione al problema posto. Negli anni '70, con John Henry Holland, emerse una delle linee più promettenti di intelligenza artificiale, quella degli algoritmi genetici. Questa linea di soluzioni è iniziata nel XIX secolo con Charles Darwin!

Algoritmi genetici

Reti neurali

Un altro esempio di soluzioni basate sulla natura si trova nel nostro cervello. Oggi, concetti come «Machine Learning» sono diffusi e possono essere implementati utilizzando varie tecniche, ma uno dei più comuni sono le reti neurali, recentemente evolute e rinominate con il concetto di Deep Learning. È solo quella modalità di apprendimento automatico che sta rivoluzionando le aspettative dell'IA.

Reti neurali

Esempi di algoritmi genetici e reti neurali

Vediamo una serie di video in cui viene mostrato il processo

di apprendimento utilizzando le tecniche AGS e reti neurali.

Nel video seguente vedrai una rappresentazione grafica di una rete neurale in grado di riconoscere i numeri. Un livello di input viene mostrato come un insieme di pixel che rappresentano l'immagine (equivalente alla nostra retina) e uno strato di neuroni di uscita. C'è un insieme di strati nascosti in cui i neuroni vengono riconfigurati durante la fase di allenamento per dare una soluzione corretta.

Simulazione 3D delle reti neurali

Il seguente video mostra una ricreazione di un ecosistema con varie forme di vita create casualmente. Quelli che si adattano al peggio scompaiono. Cominciano a sviluppare comportamenti più intelligenti e a creare un vero ecosistema.

Ecosistema con varie forme di «vita»

Un algoritmo genetico impara a sparare e auto-miglioramento per essere più efficace. Nelle prime generazioni girano casualmente, ma col passare del tempo sviluppano strategie di tiro più avanzate.

Un algoritmo genetico che impara a sparare in un gioco

Algoritmo genetico che impara a saltare un oggetto. Alcune regole di movimento sono definite e da lì il sistema impara come l'oggetto dovrebbe saltare.

Algoritmo genetico che impara a schivare un oggetto

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *