{"id":7608,"date":"2018-08-29T07:30:16","date_gmt":"2018-08-29T05:30:16","guid":{"rendered":"http:\/\/www.unilab.eu\/?p=7608"},"modified":"2021-04-15T23:10:36","modified_gmt":"2021-04-15T21:10:36","slug":"intelligenza-artificiale","status":"publish","type":"post","link":"https:\/\/www.unilab.eu\/it\/articoli\/coffee-break-it\/intelligenza-artificiale\/","title":{"rendered":"IA che apprendono: come funziona l\u2019intelligenza artificiale?"},"content":{"rendered":"<p>Oggi come oggi, \u00e8 impossibile non aver mai sentito parlare di <strong>intelligenza artificiale<\/strong>. Come dimostra il caso di AlphaGo Zero di Google, le <strong>IA<\/strong> sono in grado di giocare a giochi da tavolo senza l\u2019aiuto degli esseri umani.<\/p>\n<p><strong>Per capire come funzionano<\/strong>, \u00e8 il caso di pensare ad abilit\u00e0 come il movimento nello spazio messo in atto dagli animali (esseri umani compresi). Questo atto, cos\u00ec naturale, ha alla base un meccanismo molto complesso. I dettagli in merito sono stati scoperti nel 2005, quando un team scientifico (premiato con il Nobel) ha individuato il ruolo delle cosiddette cellule a griglia: neuroni che proiettano uno schema esagonale, fondamentale per la navigazione spaziale.<\/p>\n<p>Le suddette cellule, inoltre, <strong>supportano anche la navigazione per vettori<\/strong>, permettendo al soggetto che si muove nello spazio di comprendere la distanza che lo separa da una determinata destinazione e la direzione da seguire per raggiungerla.<\/p>\n<p><strong>Cellule a griglia e applicazioni computazionali<\/strong><\/p>\n<p>Per pi\u00f9 di 10 anni, le <strong>applicazioni computazionali<\/strong> di questa scoperta sono rimaste avvolte nel mistero. Le cose sono per\u00f2 cambiate quando \u00e8 stato scoperto che rappresentazioni simili alla griglia esagonale sopra citata emergevano spontaneamente all\u2019interno di reti virtuali. Gli algoritmi del cervello umano possono quindi rappresentare un\u2019ottima fonte di ispirazione per le architetture di apprendimento automatico.<\/p>\n<p><strong>Intelligenza artificiale: le ultime novit\u00e0<\/strong><\/p>\n<p>Dopo aver parlato dei fondamenti dell\u2019apprendimento delle intelligenze artificiali, vediamo un attimo qualcosa sulle ultime novit\u00e0 in merito. Abbiamo gi\u00e0 citato <strong>AlphaGo Zero<\/strong>, l\u2019intelligenza artificiale di Google.<\/p>\n<p>La suddetta <strong>ha imparato a giocare a Go<\/strong> (un gioco cinese con alle spalle millenni di storia), senza bisogno dell\u2019aiuto degli esseri umani. La vecchia versione, all\u2019inizio del 2017, era riuscita a battere pi\u00f9 volte il campione umano di Go.<\/p>\n<p>Quella nuova \u00e8 ancora migliore. Gli <strong>scienziati del team di Big G<\/strong> le hanno insegnato le regole del gioco. Per il resto essa ha proceduto in maniera totalmente autodidatta. Dopo soli 3 giorni, Alpha Go Zero era gi\u00e0 in grado di battere la sua versione precedente Alpha Go.<\/p>\n<p>Alla base dell\u2019IA di Alpha Go e Alpha Go Zero, c\u2019\u00e8 il team di ricercatori di <strong>Deep Mind<\/strong>: una start up acquistata da Google nel 2014. A loro dobbiamo le ricerche che hanno portato dall\u2019applicazione degli schemi delle cellule a griglia a sistemi di apprendimento automatico.<\/p>\n<p>Non c\u2019\u00e8 che dire: le frontiere dell\u2019intelligenza artificiale sono davvero interessanti e il caso di Deep Mind e Google ce lo ricorda ancora una volta. Il team di Deep Mind, infatti, sta elaborando modelli di intelligenza artificiale con lo scopo di emulare la capacit\u00e0 di immaginazione umana. L\u2019<strong>obiettivo<\/strong> \u00e8 quello di arrivare a una IA in grado di pianificare le conseguenze di una determinata azione. Il primo passo di questo percorso \u00e8 stato il progetto Alpha Go e Alpha Go Zero.<\/p>\n<p>Nel millenario gioco cinese, l\u2019IA \u00e8 in qualche modo obbligata a dare spazio all\u2019intuito. Il gioco, infatti, ha un numero di mosse troppo alto per arrivare a un\u2019<strong>elaborazione computazionale efficace<\/strong> e per tenere sotto controllo tutti gli scenari possibili che andrebbero di volta in volta a crearsi.<\/p>\n<p>Per ottenere risultati, i <strong>ricercatori hanno combinato diversi approcci<\/strong>, tra i quali spicca l\u2019apprendimento mediante prova ed errore, cos\u00ec come l\u2019apprendimento profondo. Quest\u2019ultimo, esattamente come accade nel cervello umano, si basa sull\u2019analisi di una grande quantit\u00e0 di dati.<\/p>\n<!--themify_builder_content-->\n<div id=\"themify_builder_content-7608\" data-postid=\"7608\" class=\"themify_builder_content themify_builder_content-7608 themify_builder tf_clear\">\n    <\/div>\n<!--\/themify_builder_content-->\n","protected":false},"excerpt":{"rendered":"<p>Oggi come oggi, \u00e8 impossibile non aver mai sentito parlare di intelligenza artificiale. Come dimostra il caso di AlphaGo Zero di Google, le IA sono in grado di giocare a giochi da tavolo senza l\u2019aiuto degli esseri umani.<\/p>\n","protected":false},"author":10,"featured_media":7610,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"%%title%% %%page%% %%sep%% %%sitename%%","_seopress_titles_desc":"Oggi come oggi, \u00e8 impossibile non aver mai sentito parlare di intelligenza artificiale. Come dimostra il caso di AlphaGo Zero di Google, le IA sono in grado di giocare a giochi da tavolo senza l\u2019aiuto degli esseri umani.","_seopress_robots_index":"","footnotes":""},"categories":[46],"tags":[],"class_list":["post-7608","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-coffee-break-it","has-post-title","has-post-date","has-post-category","has-post-tag","has-post-comment","has-post-author",""],"builder_content":"","_links":{"self":[{"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/posts\/7608","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/users\/10"}],"replies":[{"embeddable":true,"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/comments?post=7608"}],"version-history":[{"count":0,"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/posts\/7608\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/media\/7610"}],"wp:attachment":[{"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/media?parent=7608"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/categories?post=7608"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.unilab.eu\/it\/wp-json\/wp\/v2\/tags?post=7608"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}