Definizione
Il deep learning è un sottocampo dell'apprendimento automatico che utilizza reti neurali artificiali multistrato per apprendere modelli da grandi set di dati. Eccelle in attività come il riconoscimento delle immagini, il parlato e l'elaborazione del linguaggio naturale.
Missione
L'obiettivo è apprendere automaticamente caratteristiche e rappresentazioni da dati grezzi, senza dover ricorrere a un'ingente progettazione manuale. Ciò consente di ottenere risultati rivoluzionari nelle prestazioni dell'intelligenza artificiale.
Importanza
- Alimenta l'intelligenza artificiale all'avanguardia nella visione, nella parola e nell'elaborazione del linguaggio naturale.
- Richiede grandi set di dati e risorse di elaborazione.
- Meno interpretabile rispetto ai metodi ML tradizionali.
- Promuove sia la ricerca accademica che le applicazioni commerciali.
Come funziona
- Definire l'architettura di rete con più livelli nascosti.
- Inserire i dati di input e propagarli in avanti attraverso la rete.
- Calcola gli errori rispetto alla verità di base.
- Backpropagate gli errori per aggiornare i pesi.
- Ripetere l'addestramento finché la precisione non si stabilizza.
Esempi (mondo reale)
- Google Translate: utilizza reti neurali profonde per la traduzione automatica.
- AlphaFold (DeepMind): previsione della struttura proteica con apprendimento profondo.
- Tesla Autopilot: reti neurali profonde per la visione nella guida autonoma.
Riferimenti / Ulteriori letture
- Apprendimento profondo — Goodfellow, Bengio e Courville (MIT Press).
- “Classificazione ImageNet con CNN profonde” — Krizhevsky et al., NeurIPS 2012.
- Stanford CS231n: Reti neurali convoluzionali per il riconoscimento visivo.
