Cognitive Assemblages

Reti Neurali
2. Modelli. Le reti neurali attualmente in uso aggiungono
a questa logica, un’ ulteriore qualità o, meglio, un’ulteriore
dimensione, la profondità. Esse infatti sono costituite da una
matrice di input e una di output connesse ad un numero
variabile di strati intermedi, tali strati sono detti hidden layers
e consentono alla rete neurale di approssimare non solo
funzioni lineari, ma qualsiasi funzione continua.
Appare evidente come, al crescere del numero di neuroni
e layers la quantità di connessioni e dunque di pesi da calcolare,
cresca esponenzialmente. Per questa ragione, i limiti
computazionali, solo recentemente superati, hanno sempre
reso impraticabile questa stada per l’intelligenza artificiale.
A partire dal modello di base detto feedforward network,
sono stati sviluppati una gran quantità di diversi modelli, che
appartengono tutti alla classe delle reti neurali. Per quanto
diversi, questi modelli mantengono i due tratti definiti originariamente,
la rete di connessioni e un sistema di rappresentazione
interno della conoscenza, costituito da una serie
di pesi che vengono definiti durante la fase di training.
Anche se lo spettro delle architetture utilizzabili va espandendosi
velocemente, i modelli più semplici, basati su un
solo hidden layer o addirittura privi, coesistono per specifici
compiti accanto alle architeture più complesse andando a
determinare una vera e propria ecologia di sistemi.
A sinistra.
Schema di una rete neurale con
un singolo hidden layer
In alto.
Immagine del perceptron
18