AO_410

NOVEMBRE-DICEMBRE 2018 AUTOMAZIONE OGGI 410 122 AO TUTORIAL Cristina Paveri el 1946 Alan Turing, considerato il padre dell’intel- ligenza artificiale, definisce il primo algoritmo per il gioco degli scacchi; successivamente nel 1948 Claude Shannon programma un computer per giocare a scacchi sulla base di oltre 1.043 possibili posizioni su scacchiera e 10.120 partite. Shannon considera due strategie di gioco: nella prima strategia o strategia A a partire dalla posizione corrente una macchina esplora tutte le mosse possibili nella partita per ogni posizione arrestandosi a un certo livello dell’albero di gioco determinato dal massimo numero di mosse, nell’albero di gioco i nodi sono costituiti dalle posizioni sulla scacchiera e gli archi dalle mosse consentite, mentre nella seconda strategia o strategia B un giocatore di scacchi umano esperto esamina solo le mosse migliori proseguendo più in pro- fondità nell’albero di gioco fino a un punto di arresto che con- sidera ragionevole. Data la complessità computazionale della prima strategia, lo stesso Shannon prevedeva un progressivo sviluppo della seconda: in realtà nella fase iniziale la strategia ‘umana’ rimase quella preferita per essere progressivamente superata dalla strategia A fino alla definitiva conferma del 1997, anno in cui il sistema Deep Blue sviluppato da IBM sulla base di un ampio database di partite disputate da grandi campioni batte il campione mondiale di scacchi Gary Kasparov. Gli sviluppi: intelligenza artificiale, machine learning e deep learning L’intelligenza artificiale è la tecnologia informatica che si pone come obiettivo quello di riprodurre il ragionamento o le attività mentali umane mediante computer. L’intelligenza artificiale include il ma- chine learning o apprendimento automatico delle macchine che sintetizza proceduredi riconoscimentodi pattern, ovverodi determi- nate sequenze di dati, mediante astrazione dai dati stessi. Il machine learning a sua volta include il deep learning o apprendimento pro- fondo che genera procedure di riconoscimento di pattern dai dati, proprio come il machine learning, utilizzandometodi di astrazione di livello superiore. L’intelligenza artificiale che si pone come obiettivo quello di riprodurre le facoltà cognitive umane si basa sul presuppo- sto che i fenomeni mentali siano descrivibili da reti interconnesse composte da unità semplici: le reti neurali artificiali. Reti neurali artificiali Le reti neurali artificiali sonomodelli computazionali basati su unità fortemente interconnesse: i neuroni artificiali. Il neurone artificiale è unmodello semplificato del neurone biologico in cui a ogni input è associato un peso con valore positivo o negativo per attivare o ini- bire il neurone. L’algoritmo del neurone carica input e pesi, calcola la somma pesata degli input e il valore della funzione di attivazione. La funzione di attivazione, che determina la risposta del neurone, può essere a gradino, lineare continua o sigmoide come illustrato. Una rete neurale è quindi un sistema dinamico con topologia a grafo orientato in cui i nodi rappresentano i neuroni artificiali e gli archi rappresentano i pesi di attivazione o inibizione dei neuroni. Il termine rete si riferisce alla topologia dei collegamenti tra neuroni. Una rete neurale associa un input a un output mediante appren- dimento, ovvero il miglioramento della capacità di esecuzione di un certo compito attraverso l’esperienza. L’apprendimento della N Dagli scacchi ai capolavori di Rembrandt: l’obiettivo ambizioso della tecnologia che evolve e impara da se stessa Fonte: www.pixabay.com Dall’intelligenza artificiale al deep learning