Intelligenza artificiale, come addestrare tutti i neuroni simultaneamente

Una ricerca del Dipartimento di Fisica e Astronomia spiega come ottimizzare l’addestramento delle reti neurali utilizzate negli algoritmi di machine learning.
Archivio fotografico 123rf.com - Riproduzione riservata addestrare neuroni
Archivio fotografico 123rf.com - Riproduzione riservata

Le reti neurali alla base dei sistemi di intelligenza artificiale possono essere addestrate a svolgere i compiti loro assegnati in modo più efficiente grazie a un approccio innovativo che permette di calibrare contemporaneamente tutte le unità di calcolo coinvolte. Lo ha dimostrato un team di ricercatori guidati da Duccio Fanelli, del Dipartimento di Fisica e Astronomia Unifi, con un esperimento di cui dà conto un articolo pubblicato su Nature Communications (“Machine learning in spectral domain”).

“L’intelligenza artificiale riveste un ruolo fondamentale nei sistemi complessi – spiega Fanelli –, con applicazioni che interessano diversi ambiti disciplinari, dallo studio del linguaggio alla fisica delle particelle, dalla predizione della dinamica dei mercati finanziari fino alla classificazione di immagini. Le reti neurali, in particolare – prosegue il ricercatore –, assolvono a questi compiti addestrando veri e propri cervelli artificiali costituiti da semplici neuroni, le unità di calcolo, fra loro connessi grazie agli opportuni link che funzionano come le sinapsi del cervello”.

“Le reti intelligenti imparano a svolgere un determinato compito come risultato di un processo di addestramento che mira all’ottimizzazione del peso dei link che connettono coppie di neuroni adiacenti – chiarisce Fanelli –. L’intelligenza di una rete risiede proprio nella vasta collezione di link che ne definiscono la struttura d’insieme”.

Il numero di coppie di neuroni da addestrare è dunque grande, e la potenza di calcolo richiesta notevole. Per ovviare a questo problema i ricercatori Unifi – assieme ai colleghi dell’Università di Namur (Belgio) – hanno riformulato il problema dell’apprendimento in uno spazio astratto dove è possibile accedere a grandezze globali che consentono di addestrare in un solo colpo e simultaneamente tutte le sinapsi del cervello artificiale.

Gli studiosi hanno testato l’efficacia del metodo su due database di immagini: un serbatoio di cifre scritte a mano che l’algoritmo di intelligenza artificiale deve identificare e un database di immagini di capi di abbigliamento  di uno store online da classificare per tipologia.

“In entrambi i casi – commenta Lorenzo Giambagli, primo autore dello studio – il metodo sviluppato ha portato a percentuali di successo nelle classificazioni, in linea con quelle ottenute con gli approcci convenzionali, che risultano però più onerosi dal punto di vista computazionale. La tecnica introdotta si propone quindi come una valida alternativa per addestrare reti intelligenti con un impiego limitato di risorse di calcolo e capaci di assolvere a compiti complessi.”

L’immagine rappresenta l’addestramento della rete: nell’eseguire i comandi si modificano in simultanea fasci di frecce (quelli raggruppati per colore), che rappresentano  le sinapsi dei cervelli artificiali, invece che una freccia alla volta come avviene di solito.

 

 

 

 


COPYRIGHT: © 2017 UNIVERSITÀ DEGLI STUDI DI FIRENZE.
Eccetto dove diversamente specificato, i contenuti di questo post sono rilasciati sotto Licenza Creative Commons Attribution ShareAlike 4.0 International (CC BY-SA 4.0).

More from Silvia D'Addario

Biocarburanti per gli aerei europei

E' partito ufficialmente il progetto coordinato da RE-CORD, il Consorzio per la...
Leggi di più