Deep learning, LLM, reti neurali, intelligenza artificiale debole o forte… Ti sei perso di fronte a questo linguaggio misterioso? Spieghiamo i principali termini utilizzati nell’intelligenza artificiale.
Quando si parla di intelligenza artificiale (AI), la prima idea che viene spesso in mente è quella di una grande scatola nera che verrebbe “alimentata” da un lato da grandi database da scienziati in occhiali e camice bianco, e dall’altro d’altra parte, sarebbe in grado di recuperare ogni Questa informazione è in modo chiaro e organizzato in base alle domande poste da persone comuni come te e me. Il principio non è del tutto sbagliato.
Tuttavia, l’intelligenza artificiale è costruita su grandi concetti, il che significa che non c’è nulla di “magico”, solo diversi sistemi di apprendimento e diversi livelli di intelligenza artificiale, tra intelligenza artificiale debole e intelligenza artificiale forte. Che non è affatto un giudizio ma livelli di complessità molto diversi. Spieghiamo tutto di seguito.
Apprendimento approfondito
Il deep learning – o deep learning – è un sottocampo dell’intelligenza artificiale che utilizza reti neurali artificiali (vedi definizione sotto) imparare dai dati. Il deep learning sta guidando molte applicazioni e servizi di intelligenza artificiale (AI) che migliorano l’automazione. Ciò consente alla macchina di eseguire attività analitiche e fisiche senza intervento umano.
Si trovano dietro prodotti e servizi di uso quotidiano come assistenti vocali, riconoscimento facciale, rilevamento di frodi con carte di credito, taggando i tuoi amici su una foto di Facebook e così via. Anche ChatGPT si basa sul deep learning.
rete neurale o rete neurale
Una rete neurale è un algoritmo ispirato al funzionamento dei neuroni biologici. Fondamentalmente, una rete neurale è fondamentalmente una rete di equazioni matematiche. Questa rete è composta da dozzine, se non centinaia, di “strati” di neuroni. Ciascun layer esegue un calcolo iniziale utilizzando i risultati del calcolo del layer precedente. È l’accumulazione di tutti questi conti che dà tutto il potere del tutto.
La rete neurale viene generalmente utilizzata per problemi di previsione e classificazione. Questi sistemi consentono, ad esempio, di riconoscere gli oggetti in una fotografia o, in un’auto a guida autonoma, di rilevare un pedone o un altro ostacolo sulla strada.
apprendimento automatico
Insieme al deep learning, questo è un altro importante principio di apprendimento dell’IA. Questa è la versione più vecchia e più semplice. La differenza principale tra i due è che il deep learning utilizza reti neurali artificiali per apprendere dai dati mentre il machine learning utilizza algoritmi per apprendere dai dati senza una programmazione speciale. Ciò significa che l’algoritmo stesso adatta il sistema in base al feedback fornito dagli esseri umani. Questo è anche chiamato apprendimento “automatico”.
Il vantaggio dell’apprendimento automatico è che ha bisogno di molti meno dati per apprendere (quello che chiamiamo un “database gestibile”) quando, in particolare, l’apprendimento profondo ha bisogno di centinaia di milioni di voci prima di poter fornire risultati affidabili. Ma non è necessario, in questo caso, indicare le caratteristiche specifiche del dato. Pertanto, ci sono due diversi approcci basati sui tipi di dati disponibili.
Modelli linguistici principali o principali
I modelli di linguaggio di grandi dimensioni sono modelli di intelligenza artificiale in grado di generare testo dall’input di testo. Sono utilizzati in varie applicazioni come la traduzione automatica, la generazione di testo o il riconoscimento vocale. ChatGPT è un esempio di LLM.
IA debole / IA forte
Si parla di IA “debole” non perché sia poco efficace, ma perché è circoscritta a una o due aree specifiche. Ad esempio, sarà efficace in materia di geografia, ma se le fai una domanda su qualcos’altro, non sarà in grado di rispondere. L’intelligenza artificiale nei giochi da tavolo, come gli scacchi o il go, sono esempi di sistemi di intelligenza artificiale deboli. Anche Siri, Alexa e Google Search sono sistemi di intelligenza artificiale deboli (o ristretti), nel senso che sono in grado di eseguire solo determinati compiti.
D’altra parte, un’auto a guida autonoma è un esempio di forte intelligenza artificiale, perché può prendere una decisione (frenare, fermarsi, svoltare) ed evitare determinati incidenti. In particolare, può compiere scelte per evitare un pedone o un altro veicolo. e chatGPT? È ancora considerata un’IA piuttosto debole nel senso che, anche se sembra abbastanza “generale”, è in qualche modo una combinazione di molti sistemi di IA deboli raggruppati insieme (per fare un riassunto, tradurre, cercare informazioni , per creare una classifica, ecc.). Ma questa intelligenza artificiale può in definitiva sostituire solo una piccola parte del cervello ed è ancora lontana dall’essere in grado di sostituire l’intelligenza umana e le sue quattro principali capacità cognitive: percezione, comprensione, azione e apprendimento.
nel negozio
Acquista su Fnac.com