Che cos'è una rete neurale?

In un tipico computer, realizzato secondo quella che viene chiamata architettura Von Neumann, i banchi di memoria vivono in un modulo isolato. Esiste un solo processore, che elabora le istruzioni e la memoria riscrive una ad una, usando un'architettura seriale. Un diverso approccio all'informatica è la rete neurale. In una rete neurale, composta da migliaia o addirittura milioni di singoli "neuroni" o "nodi", tutta l'elaborazione è altamente parallela e distribuita. I "ricordi" sono memorizzati all'interno delle complesse interconnessioni e ponderazioni tra i nodi.

Il networking neurale è il tipo di architettura informatica utilizzata dal cervello animale in natura. Questo non è necessariamente perché la rete neurale è una modalità di elaborazione intrinsecamente superiore rispetto al calcolo seriale, ma perché un cervello che utilizza il calcolo seriale sarebbe molto più difficile evolversi in modo incrementale. Le reti neurali tendono anche a gestire i "dati rumorosi" meglio dei computer seriali.

In una rete neurale feedforward, uno "strato di input" riempito con nodi specializzati riceve informazioni, quindi invia un segnale a un secondo layer in base alle informazioni ricevute dall'esterno. Questa informazione è generalmente un segnale binario "sì o no". A volte, per passare da un "no" a un "sì", il nodo deve sperimentare una certa soglia di eccitazione o stimolazione.

I dati si spostano dal livello di input ai livelli secondario e terziario e così via, fino a raggiungere un "livello di output" finale che visualizza i risultati su una schermata che i programmatori possono analizzare. La retina umana funziona sulla base di reti neurali. I nodi di primo livello rilevano semplici caratteristiche geometriche nel campo visivo, come colori, linee e bordi. I nodi secondari iniziano a sottrarre caratteristiche più sofisticate, come movimento, trama e profondità. Il "risultato" finale è ciò che la nostra coscienza registra quando guardiamo al campo visivo. L'input iniziale è solo una complessa disposizione di fotoni che significherebbe poco senza l'hardware neurologico per dargli un senso in termini di qualità significative, come l'idea di un oggetto duraturo.

Nel backpropagare le reti neurali, le uscite dai livelli precedenti possono tornare a quei livelli per limitare ulteriori segnali. La maggior parte dei nostri sensi funziona in questo modo. I dati iniziali possono indurre una "ipotesi istruita" al risultato finale, seguita dalla ricerca di dati futuri nel contesto di tale ipotesi istruita. Nelle illusioni ottiche, i nostri sensi fanno ipotesi educate che risultano essere sbagliate.

Invece di programmare le reti neurali in modo algoritmico, i programmatori devono configurare una rete neurale con addestramento o sintonizzazione delicata dei singoli neuroni. Ad esempio, l'addestramento di una rete neurale per riconoscere i volti richiederebbe molte sessioni di addestramento in cui diversi oggetti "simili" e "non simili" venivano mostrati alla rete, accompagnati da feedback positivi o negativi per convincere la rete neurale a migliorare le capacità di riconoscimento.