{"id":631,"date":"2023-06-08T11:01:27","date_gmt":"2023-06-08T10:01:27","guid":{"rendered":"https:\/\/www.studiocerellochesini.it\/web\/?p=631"},"modified":"2023-06-15T09:47:39","modified_gmt":"2023-06-15T08:47:39","slug":"ia-for-dummies","status":"publish","type":"post","link":"https:\/\/www.studiocerellochesini.it\/web\/ia-for-dummies\/","title":{"rendered":"IA(AI) for dummies"},"content":{"rendered":"
\n
\"\"<\/figure>\n<\/div>\n\n\n

Oramai si sente parlare quotidianamente di Intelligenza Artificiale (IA)<\/strong> conosciuta pi\u00f9 con l’acronimo inglese AI e Machine Learning (ML)<\/strong>. Queste tecnologie a nostra insaputa sono gi\u00e0 parte della nostra quotidianit\u00e0 da molti anni e lo saranno sempre pi\u00f9 nei prossimi, basti pensare agli annunci pubblicitari mirati e personalizzati, alle verifiche fiscali ed assicurative, solo per citarne alcuni. Fino ad una decina di anni fa queste tecnologie venivano utilizzate al pi\u00f9 per il riconoscimento di oggetti, trasformazione di scansioni di testi in testo, per la classificazione di clienti sulla base degli acquisti (carte fedelt\u00e0), etc. ma negli ultimi dieci anni abbiamo avuto un’impennata delle possibilit\u00e0, questa consentita sia dall’enorme velocit\u00e0 di calcolo raggiunta, sia dai nuovi e pi\u00f9 complessi modelli sviluppati; esempio lampante \u00e8 l’IA generativa (GAN), che pu\u00f2 essere utilizzata per creare un media semplicemente da una descrizione testuale. Una IA in grado di interagire attivamente ed in tempo reale fino a pochi anni fa era una chimera, ora \u00e9 realt\u00e0. Le possibilit\u00e0 di queste tecnologie appaiono illimitate, alcune fantastiche (ad esempio riconoscimento di masse tumorali e altre malattie in stadi precocissimi), altre meno, ma cos’\u00e8 e come funziona l’IA?<\/p>\n\n\n\n

IA e ML (che \u00e8 di fatto una sottobranca dell’IA) sono essenzialmente modelli matematici numerici (che non possono prescindere da un calcolatore ed essere espressi in modo analitico). Gli algoritmi di ML svolgono in generale una classificazione in classi precostituite (apprendimento supervisionato) o autogenerate (apprendimento non supervisionato).<\/p>\n\n\n\n

La ricerca alla fine degli anni’50 del secolo scorso, prese spunto dal funzionamento delle cellule del cervello, i cosiddetti neuroni<\/strong>. Questi di base prendono, attraverso i dendriti, gli impulsi elettrici in ingresso provenienti da altri neuroni e danno un impulso di uscita basato sulla composizione dei diversi segnali d’ingresso e delle soglie che man mano si adattano alla rete di cui fanno parte: l’unione di miliardi di queste piccole unit\u00e0 permettono i ragionamenti, l’espressione ed il controllo del movimento. Analogamente l’IA ha fondamento sulla concatenazione di elementi di processo elementari per costituire una rete articolata al fine di svolgere sempre una predizione<\/strong> di classe, ma in domini sempre pi\u00f9 articolati e complessi<\/strong> (in gergo si dice che i confini tra una classe ed un’altra non sono lineari).<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Analogamente l’ elemento di processo base di questa rete, detta “neurale” (artificiale), il percettrone<\/strong>, svolge un lavoro simile al neurone del nostro cervello e la rete che ne deriva non \u00e8 altro che la composizione di queste unit\u00e0 elementari interconnesse tra loro. Per imparare a svolgere un compito specifico l’IA oltre a dover essere strutturata prima in modo adeguato (spesso in modo molto empirico), ha bisogno di un addestramento<\/strong>. Lo scopo dell’addestramento \u00e8 di fatto aggiustare i pesi che ogni percettrone assegna per ogni suo ingresso in modo che l’errore finale di predizione si riduca al minimo. Questa operazione richiede un grande numero di esempi (il cosiddetto training set<\/strong>), soprattutto strettamente inerenti al compito e di qualit\u00e0 (la prima classificazione viene comunque eseguita da operatori umani), per poter avere un errore basso e quindi un’alta affidabilit\u00e0 di funzionamento. Tale affidabilit\u00e0 viene valutata essenzialmente con metriche statistiche (bias e varianza), che riconducono a due tipologie di inaffidabilit\u00e0:<\/p>\n\n\n\n