Le reti neurali sono utilizzate in svariati ambiti della realtà che ci circonda e sono alla base del principio di funzionamento dell’Intelligenza Artificiale.
Trovano applicazione nel riconoscimento vocale e facciale, nel controllo di qualità dei processi industriali, nelle previsioni dell’andamento dei mercati, nelle diagnosi mediche, nei processi di data mining, nella simulazione di processi biologici e nelle simulazioni di robot steering, nella sicurezza informatica e molto altro ancora.
L’Autopilot Tesla, per esempio, analizza i dati delle videocamere e dei sensori utilizzando reti neurali. Certo, non sono mancati incidenti anche gravi ma Tesla dichiara che i suoi veicoli hanno un incidente ogni 3,07 milioni di miglia percorse con Autopilot, sei volte in meno delle automobili guidate da un umano in USA e punta ad una precisione di guida autonoma del 99,999%.
I dispositivi Amazon Alexa con il nuovo stile vocale Newcaster sfruttano le reti neurali per la sintesi vocale, o text-to-speech, per comunicare in modo fluido e naturale, avvicinandosi sempre più al modo di parlare di un essere umano.
L’algoritmo Bert (Bidirectional Encoder Representation for Transformers), introdotto da Big G nel 2019, usa le reti neurali per attribuire alle query di ricerca degli utenti un significato semantico più vicino al linguaggio umano parlato e restituire, di conseguenza, informazioni più pertinenti.
Anche i modelli matematici di diffusione del Covid-19 messi a punto dal MIT (Massachusetts Institute of Tecnology) si avvalgono di sistemi di reti neurali che, integrate ai tradizionali modelli epidemiologici, elaborano analisi predittive sull’andamento dei contagi. L’algoritmo di machine learning è in grado di apprendere l’effetto del distanziamento sociale messo in atto dai vari Paesi attraverso i dati ufficiali dei contagi.
Gli specialisti di Humanitas in collaborazione con CERTH (Centre for Research & Technology, Hellas) hanno realizzato un algoritmo in grado di accelerare, grazie all’utilizzo dell’Intelligenza Artificiale, il processo diagnostico dei pazienti con Covid-19, identificando con grande velocità coloro che necessitano il ricovero in terapia intensiva.
Per ottimizzare la distribuzione delle risorse e dei pazienti Covid, le immagini estratte da tomografia computerizzata vengono analizzate tramite Intelligenza Artificiale per suddividere tempestivamente i pazienti con Covid-19 in tre gruppi, dal gruppo 1, composto dai soggetti che possono essere dimessi e continuare l’isolamento a casa, al gruppo 3, che richiede l’immediato ricovero in terapia intensiva. L’Intelligenza Artificiale, nell’eventualità di un ulteriore innalzamento dei casi di Covid-19 e di un tasso di trasmissione del virus elevato, rappresenta dunque un valido supporto per velocizzare e migliorare il percorso terapeutico dei pazienti.
Vantaggi e svantaggi
Sebbene l’utilizzo delle reti neurali presenti grandi vantaggi come l’evoluzione adattiva, cioè la capacità di auto-aggiornarsi in base alle modifiche ambientali, la tolleranza ai guasti, intesa come la capacità di operare nonostante dati di input incorretti o incompleti e la capacità di processare enormi quantità di dati in tempi relativamente brevi, presentano anche diversi limiti, tra cui il funzionamento a black box, in altre parole non è possibile esaminare gli stadi intermedi di elaborazione degli output, necessitano di un periodo di learning che può essere più o meno lungo a seconda del numero e della complessità delle variabili di input e, talvolta non sono idonee a risolvere determinate categorie di problemi, per esempio se l’input è costituito da un numero elevato di variabili categoriche. È difficile prevedere se col tempo questi limiti potranno essere eliminati o attenuati.
