Cos’è l’Apprendimento profondo e in quali campi si usa?

Cos’è l’Apprendimento profondo e in quali campi si usa?

Il concetto di apprendimento profondo trova sempre più applicazione nel vissuto quotidiano, in quanto parte dell’intelligenza artificiale e dell’apprendimento automatico.

Anche conosciuto con il termine deep learning, lo si può intendere come un insieme di tecniche di apprendimento che fanno ricorso a reti neurali artificiali organizzate in diversi strati. L’elaborazione delle informazioni è affidata a una struttura in cui ogni strato calcola i valori per quello successivo.

Le reti neurali artificiali possono essere sviluppate da software e hardware per risolvere problemi in ambito informatico, in elettronica e in tutte quelle discipline che interessano l’ingegnerizzazione dei processi e l’intelligenza artificiale.

Ispirate alla rete neurale biologica, puoi immaginarle come un modello matematico/informatico di calcolo costituito da gruppi di interconnessioni di informazioni, usati per simulare relazioni tra dati in ingresso e in uscita.

L’elaborazione delle informazioni può essere affidata a un modello a cascata, in cui i dati di input elaborati vengono trasmessi in stato di output allo strato successivo, che a sua volta lo utilizza come dato input, o a un modello gerarchico multiplo, in cui si configura una rappresentazione gerarchica di concetti.

La scelta della modalità con cui elaborare i dati è dettata dalla composizione e dalla tipologia del problema da risolvere. L’apprendimento profondo può utilizzare simultaneamente più livelli per identificare oggetti nelle immagini e nei video, per trascrivere il parlato in testo, per ottimizzare i risultati degli utenti che fanno ricerche in rete.

I primi studi sull’apprendimento profondo risalgono al 1975. Grazie a internet e alla veloce diffusione delle informazioni si è assistito a un rapido processo di ampliamento dei campi cui è possibile applicare l’apprendimento profondo per favorire i processi di analisi predittiva e per sviluppare una soluzione.

Pensa al software che riconosce l’anatomia dell’occhio e le eventuali patologie, suggerendo la terapia adeguata. La procedura prevede l’acquisizione delle immagini a colori dell’occhio del paziente e il successivo confronto con le informazioni di base clinica, al fine di elaborare una diagnosi e una terapia.

Presupposto affinché accada questo è che ci siano opportune quantità di dati utili alla generalizzazione: la procedura che consente alle macchine di elaborare una soluzione facendo ricorso alle esperienze maturate durante l’apprendimento.

Il deep learning trova sempre più applicazione in tutti quegli ambiti in cui è possibile attingere alle esperienze maturate per sviluppare un’analisi predittiva e una soluzione.

Pensa al riconoscimento automatico del discorso, al riconoscimento delle immagini per la relativa classificazione, all’elaborazione di linguaggi naturali, alla guida autonoma.

In ambito scientifico l’apprendimento profondo è importante per la scoperta di nuovi farmaci e per la diagnostica, nella gestione delle relazioni con i pazienti e nella risoluzione di problemi biologici a livello molecolare.

Nel campo della sicurezza l’applicazione dell’apprendimento profondo consente di migliorare la computer vision e le prestazioni professionali del personale.

Agendo sull’analisi degli eventi, delle situazioni e degli oggetti, è possibile favorire il riconoscimento comportamentale dinamico di cose e persone, interpretare precocemente i segnali di pericoli ricevuti da corpi estranei e ottimizzare la rilevazione nonché la gestione degli eventi.

Questo si traduce in un notevole abbassamento della percentuale d’errore dell’operatore, che viene così coadiuvato nella fase di monitoraggio e rilevazione degli eventi e nella riduzione della percentuale di incidenza di falsi positivi.

L’addestramento profondo di sistemi di intelligenza artificiale al riconoscimento comportamentale di persone, animali e oggetti consente all’operatore di telecontrollo di velocizzare il processo di rilevazione delle anomalie, della classificazione e del riconoscimento dei segnali di pericolo e l’avvio dei protocolli di emergenza.

La rilevazione di “comportamenti sospetti” segue a una fase di analisi degli eventi, che è frutto di un processo di machine learning rivolto a individuare dati che forniscono informazioni utili per classificare un comportamento.

Per esempio, analizzare la frequenza con cui un’auto percorre un particolare tragitto e sosta in una determinata posizione consente di profilare un comportamento e infine valutarne la pericolosità.

Per rilevare preventivamente il pericolo di una rapina si analizza la frequenza con cui un soggetto transita davanti a una gioielleria, le espressioni del viso, gli atteggiamenti che il soggetto assume in determinati contesti…

Per individuare una persona colpevole di taccheggio si analizza l’atteggiamento che assume durante la sua permanenza nei locali di vendita, prestando particolare attenzione ai gesti che compie con particolare riferimento all’azione di nascondere merce e beni nei propri abiti…

L’addestramento profondo dell’AI consente di proporre sistemi di controllo accessi destinati a favorire le aziende nell’attività di controllo e gestione del flusso nei reparti e nelle aree specifiche da parte del personale, dei fornitori esterni e delle persone in visita, perché essendo dotati di moduli che permettono di analizzare gli eventi e i comportamenti sospetti, è più veloce l’individuazione di situazioni di pericolo.

L’esempio tipico che viene fatto per illustrare l’utilità di un sistema di controllo e gestione accessi dotato di moduli di AI è quello del dipendente chiuso in bagno per più del dovuto a causa di un malore… addestrando il sistema ad analizzare il comportamento e le abitudini del personale è possibile riconoscere situazioni di pericolo che altrimenti passerebbero inosservate e tutelare così la salute dei dipendenti.

Se ti è stato utile questo articolo condividilo con i tuoi contatti.

Summary
Cos’è l’Apprendimento profondo e in quali campi si usa?
Article Name
Cos’è l’Apprendimento profondo e in quali campi si usa?
Description
lo si può intendere come un insieme di tecniche di apprendimento che fanno ricorso a reti neurali artificiali organizzate in diversi strati.
Author
Publisher Name
BOR Innova
Publisher Logo

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

error: Il contenuto che stai tentando di copiare è protetto da copyright!
window['consent-disable-'] = true; // This blocks Youtube service, works properly. var DelCookies = Cookies.noConflict(); var cookies = DelCookies.get(); if ( '' !== cookies ) { jQuery.each( cookies, function( index ) { index = '' + index; if ( 'consent' === index || '__Secure-YEC' === index || 'VISITOR_INFO1_LIVE' === index 'YSC' === index || 'ytidb::LAST_RESULT_ENTRY_KEY' === index || ) { DelCookies.remove( index, { path: '/', domain: '.borinnova.com' }); } }); }window['ga-disable-G-80BF0KX2FW'] = true; // This blocks GA service, works properly. var DelCookies = Cookies.noConflict(); var cookies = DelCookies.get(); if ( '' !== cookies ) { jQuery.each( cookies, function( index ) { index = '' + index; if ( '_ga' === index || '_gid' === index || '_gat' === index '_ga_#' === index ||) { DelCookies.remove( index, { path: '/', domain: '.borinnova.com' }); } }); }