Deep learning Architettura artificiale ispirata al cervello umano grazie alla sua organizzazione basata su reti neurali multistrato; l'aggettivo "profondo" va proprio ricondotto allo "spessore" di questa stratificazione. Tre sono gli elementi che concorrono a definire un DL: - una significativa base di dati, che serve a "mettere in apprendimento" la rete neurale;
- una consistente potenza di calcolo e un'altrettanto consistente capacità di memoria;
- algoritmi di ottimizzazione che supportano il processo di apprendimento automatico.
Il DL non "impara" nel senso umano del termine, ma ottimizza funzioni matematiche su enormi quantità di esempi. (Cf. Panciroli - Rivoltella, 2023, 188).
Alcuni esempi di applicazioni del deep learning sono: l'interazione in linguaggio naturale; il riconoscimento di immagini, dati e oggetti; la robotica. Fig. 1: Deep neural network
Fonte: https://www.ibm.com/think/topics/neural-networks |