Cos'è una rete neurale?

Cos'è una rete neurale?

Una rete neurale, o rete neurale artificiale, è un tipo di architettura informatica basata su un modello del funzionamento del cervello umano, da cui il nome "neurale". Le reti neurali sono costituite da un insieme di unità di elaborazione chiamate "nodi". Questi nodi si scambiano dati, proprio come in un cervello i neuroni si scambiano impulsi elettrici.

Le reti neurali sono utilizzate nel machine learning, che si riferisce a una categoria di programmi per computer che apprendono senza istruzioni definite. Nello specifico, le reti neurali vengono utilizzate nel deep learning, un tipo avanzato di machine learning in grado di trarre conclusioni da dati non etichettati senza l'intervento umano. Ad esempio, un modello di deep learning basato su una rete neurale e alimentato da dati di addestramento sufficienti potrebbe essere in grado di identificare elementi in una foto che non ha mai visto prima.

Le reti neurali rendono possibili molti tipi di intelligenza artificiale (IA). I modelli linguistici di grandi dimensioni (LLM) come ChatGPT, i generatori di immagini IA come DALL-E e i modelli di intelligenza artificiale predittiva si basano tutti in una certa misura sulle reti neurali.

Come funzionano le reti neurali?

Le reti neurali sono composte da un insieme di nodi. I nodi sono distribuiti su almeno tre livelli. I tre livelli sono:

• Un livello di input
• Un livello "nascosto".
• Un livello di output

Questi tre livelli sono la struttura minima. Le reti neurali possono avere più di un livello nascosto, oltre al livello di input e al livello di output.

Indipendentemente dal livello di cui fa parte, ogni nodo esegue una sorta di attività o funzione di elaborazione su qualsiasi input riceva dal nodo precedente (o dal livello di input). In sostanza, ogni nodo contiene una formula matematica e ogni variabile all'interno della formula ha un peso diverso. Se l'output dell'applicazione di quella formula matematica all'input supera una certa soglia, il nodo passa i dati al livello successivo nella rete neurale. Se l'output è al di sotto della soglia, nessun dato viene passato al livello successivo.

Immagina che la Acme Corporation abbia un reparto contabilità con una rigida gerarchia. I dipendenti del reparto contabilità di Acme a livello dirigenziale approvano le spese inferiori a 1.000 dollari, i direttori approvano le spese inferiori a 10.000 dollari e il direttore finanziario approva tutte le spese superiori a 10.000 dollari. Quando i dipendenti di altri dipartimenti di Acme Corp. presentano le loro spese, si rivolgono prima ai responsabili della contabilità. Tutte le spese superiori a 1.000 dollari vengono inoltrate a un direttore, mentre quelle inferiori a 1.000 dollari restano a livello manageriale e così via.

Il reparto contabilità di Acme Corp. funziona in qualche modo come una rete neurale. L'invio delle note spese dei dipendenti è molto simile a un livello di input di una rete neurale. Ogni responsabile e direttore è come un nodo all'interno della rete neurale

e, proprio come un responsabile contabile può chiedere a un altro responsabile di interpretare una nota spese prima di passarla a un direttore contabile, le reti neurali possono essere progettate in vari modi. I nodi possono comunicare in più direzioni.

Quali sono i tipi di reti neurali?

Non esiste limite al numero di nodi e livelli che una rete neurale può avere e questi nodi possono interagire tra loro praticamente in qualsiasi modo. Per questo motivo, l'elenco dei tipi di reti neurali è in continua espansione. Tuttavia, le reti possono essere ordinate approssimativamente in queste categorie:

• Le reti neurali superficiali di solito hanno un solo livello nascosto
• Le reti neurali profonde hanno più livelli nascosti

Le reti neurali superficiali sono veloci e richiedono meno potenza di calcolo rispetto alle reti neurali profonde, ma non possono svolgere tante attività complesse quanto le reti neurali profonde.

Di seguito è riportato un elenco incompleto dei tipi di reti neurali che possono essere utilizzati oggi:

Le reti neurali perceptron sono reti semplici e superficiali con un livello di input e un livello di output.

Le reti neurali perceptron multistrato aggiungono complessità alle reti perceptron e includono un livello nascosto.

Le reti neurali feed-forward consentono ai loro nodi di passare informazioni solo a un nodo avanzato.

Le reti neurali ricorrenti possono tornare indietro, consentendo all'output di alcuni nodi di influire sull'input dei nodi precedenti.

Le reti neurali modulari combinano due o più reti neurali per arrivare all'output.

I nodi di rete neurale con funzione di base radiale utilizzano un tipo specifico di funzione matematica chiamata funzione di base radiale.

Le reti neurali delle macchine a stati liquidi sono caratterizzate da nodi collegati tra loro in modo casuale.

Le reti neurali residue consentono ai dati di procedere in avanti tramite un processo chiamato mappatura dell'identità, combinando l'output dei primi livelli con l'output dei livelli successivi.

Cos'è una rete neurale transformer?

Vale la pena sottolineare le reti neurali transformer perché hanno assunto un ruolo di enorme importanza nei modelli di intelligenza artificiale oggi ampiamente utilizzati.

Proposti per la prima volta nel 2017, i modelli transformer sono reti neurali che utilizzano una tecnica chiamata "auto-attenzione" per tenere conto del contesto degli elementi in una sequenza, non solo degli elementi stessi. Grazie all'auto-attenzione, riescono a individuare anche i modi più sottili in cui parti di un set di dati sono correlate tra loro.

Questa capacità li rende ideali per analizzare, ad esempio, frasi e paragrafi di testo anziché singole parole e frasi. Prima che venissero sviluppati i modelli Transformer, i modelli di intelligenza artificiale che elaboravano il testo spesso "dimenticavano" l'inizio di una frase quando arrivavano alla fine, con il risultato che combinavano frasi e idee in modi che non avevano senso per lettori umani. I modelli Transformer, tuttavia, possono elaborare e generare il linguaggio umano in un modo molto più naturale.

I modelli transformer sono parte integrante dell'IA generativa, in particolare degli LLM che possono produrre testo in risposta a prompt arbitrari.

Storia delle reti neurali

Le reti neurali sono in realtà piuttosto vecchie. Il concetto di rete neurale può essere fatto risalire a un articolo matematico del 1943 che descriveva il funzionamento del cervello. Gli informatici iniziarono a provare a costruire semplici reti neurali negli anni '50 e '60, ma col tempo il concetto cadde in disuso. Negli anni '80 il concetto è stato ripreso e negli anni '90 le reti neurali erano ampiamente utilizzate nella ricerca sull'intelligenza artificiale.

Tuttavia, solo con l'avvento dell'elaborazione iperveloce, delle enormi capacità di archiviazione dei dati e dell'accesso alle risorse di calcolo, le reti neurali hanno potuto progredire fino al punto in cui sono arrivate oggi, al punto in cui possono imitare o addirittura superare le capacità cognitive umane. In questo campo si stanno ancora facendo progressi; uno dei tipi più importanti di reti neurali attualmente in uso, la rete transformer, risale al 2017.

In che modo Cloudflare supporta le reti neurali?

Con sedi in più di 335 città in tutto il mondo, Cloudflare è in una posizione unica per offrire potenza di calcolo agli sviluppatori di intelligenza artificiale ovunque con una latenza minima. Cloudflare for AI consente agli sviluppatori di eseguire attività di intelligenza artificiale su una rete globale di unità di elaborazione grafica (GPU) senza alcuna configurazione aggiuntiva. Cloudflare offre anche opzioni di archiviazione cloud convenienti per le grandi quantità di dati necessari per addestrare le reti neurali. Scopri di più su Cloudflare for AI.

Domanda frequenti

Cos'è una rete neurale?

Una rete neurale è un sistema computazionale ispirato al cervello umano che impara a svolgere compiti analizzando esempi. È costituito da nodi interconnessi organizzati in livelli che elaborano le informazioni e fanno previsioni.

Quali sono i diversi tipi di reti neurali?

Le reti neurali sono disponibili in vari tipi in base alla loro struttura e funzione. Tra i tipi più comuni si annoverano reti neurali superficiali e profonde, perceptron, perceptron multistrato, reti neurali feed-forward e ricorrenti, reti modulari, reti con funzioni di base radiali, macchine a stati liquidi e reti residue. Ogni tipologia differisce nel modo in cui i dati fluiscono e come interagiscono i livelli, da semplici progetti forward-only ad architetture complesse che creano cicli, saltano o combinano gli output.

Quando sono state inventate le reti neurali?

Le reti neurali risalgono a un modello matematico del funzionamento del cervello del 1943. Dopo i primi sviluppi negli anni '50 e '60, l'interesse diminuì, ma riprese negli anni '80, portando a un utilizzo diffuso nella ricerca sull'intelligenza artificiale negli anni '90.

Come funziona una rete neurale?

Le reti neurali sono costituite da strati di nodi: uno strato di input, uno strato nascosto e uno strato di output. Ogni nodo esegue una funzione matematica sull'input che riceve e passa l'output al nodo successivo se supera una soglia. Per una maggiore complessità, i nodi possono essere organizzati in più livelli nascosti. Come in una gerarchia organizzativa, i nodi elaborano e trasmettono i dati in modo strutturato, mentre le decisioni più complesse vengono trasmesse ai livelli superiori, proprio come i rendiconti spese in un'azienda passano attraverso manager e direttori in base a determinate soglie.