{"id":5161,"date":"2020-10-27T12:17:59","date_gmt":"2020-10-27T11:17:59","guid":{"rendered":"https:\/\/dyrecta.com\/lab\/?p=5161"},"modified":"2020-10-28T11:28:58","modified_gmt":"2020-10-28T10:28:58","slug":"applicazioni-pratiche-delle-reti-neurali","status":"publish","type":"post","link":"https:\/\/www.dyrecta.com\/lab\/applicazioni-pratiche-delle-reti-neurali\/","title":{"rendered":"Applicazioni pratiche delle reti neurali"},"content":{"rendered":"<p style=\"text-align: left;\">Le reti neurali sono utilizzate in svariati ambiti della realt\u00e0 che ci circonda e sono alla base del principio di funzionamento dell\u2019Intelligenza Artificiale.<\/p>\n<p style=\"text-align: center;\"><iframe title=\"How Far is Too Far? | The Age of A.I.\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/UwsrzCVZAb8?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture\" allowfullscreen><\/iframe><\/p>\n<p><strong>Trovano applicazione nel riconoscimento vocale e facciale, nel controllo di qualit\u00e0 dei processi industriali, nelle previsioni dell\u2019andamento 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.<\/strong><\/p>\n<p><strong>L\u2019Autopilot Tesla<\/strong>, 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%.<\/p>\n<p>I dispositivi <strong>Amazon Alexa <\/strong>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 pi\u00f9 al modo di parlare di un essere umano.<\/p>\n<p>L\u2019algoritmo <strong>Bert<\/strong> (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 pi\u00f9 vicino al linguaggio umano parlato e restituire, di conseguenza, informazioni pi\u00f9 pertinenti.<\/p>\n<p>Anche <strong>i modelli matematici di diffusione del Covid-19 messi a punto dal<\/strong> <strong>MIT <\/strong>(Massachusetts Institute of Tecnology) si avvalgono di sistemi di reti neurali che, integrate ai tradizionali modelli epidemiologici, elaborano analisi predittive sull\u2019andamento dei contagi. L\u2019algoritmo di machine learning \u00e8 in grado di apprendere l\u2019effetto del distanziamento sociale messo in atto dai vari Paesi attraverso i dati ufficiali dei contagi.<\/p>\n<p style=\"text-align: center;\"><div style=\"width: 640px;\" class=\"wp-video\"><!--[if lt IE 9]><script>document.createElement('video');<\/script><![endif]-->\n<video class=\"wp-video-shortcode\" id=\"video-5161-1\" width=\"640\" height=\"360\" preload=\"metadata\" controls=\"controls\"><source type=\"video\/mp4\" src=\"https:\/\/wp.technologyreview.com\/wp-content\/uploads\/2020\/04\/Landing-AI-Social-Distancing-Detector-Demo.mp4?_=1\" \/><a href=\"https:\/\/wp.technologyreview.com\/wp-content\/uploads\/2020\/04\/Landing-AI-Social-Distancing-Detector-Demo.mp4\">https:\/\/wp.technologyreview.com\/wp-content\/uploads\/2020\/04\/Landing-AI-Social-Distancing-Detector-Demo.mp4<\/a><\/video><\/div>\n<p>&nbsp;<\/p>\n<p>Gli specialisti di Humanitas in collaborazione con CERTH (Centre for Research &amp; Technology, Hellas) hanno realizzato un algoritmo in grado di accelerare, grazie all\u2019utilizzo dell\u2019Intelligenza Artificiale, il\u00a0processo diagnostico dei pazienti con Covid-19, identificando con grande velocit\u00e0 coloro che necessitano il\u00a0ricovero in terapia intensiva.<br \/>\nPer 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\u00a0tre gruppi, dal gruppo 1, composto dai soggetti che possono essere dimessi e continuare l\u2019isolamento a casa, al gruppo 3, che richiede l\u2019immediato ricovero in terapia intensiva. L\u2019Intelligenza Artificiale, nell\u2019eventualit\u00e0 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.<\/p>\n<h4><strong>Vantaggi e svantaggi<\/strong><\/h4>\n<p>Sebbene l\u2019utilizzo delle reti neurali presenti grandi <strong>vantaggi<\/strong> come <strong>l\u2019evoluzione adattiva<\/strong>, cio\u00e8 la capacit\u00e0 di auto-aggiornarsi in base alle modifiche ambientali, <strong>la tolleranza ai guasti<\/strong>, intesa come la capacit\u00e0 di operare nonostante dati di input incorretti o incompleti e\u00a0 <strong>la capacit\u00e0 di processare enormi quantit\u00e0 di dati in tempi relativamente brevi<\/strong>, presentano anche diversi <strong>limiti<\/strong>, tra cui il <strong>funzionamento a black box<\/strong>, in altre parole non \u00e8 possibile esaminare gli stadi intermedi di elaborazione degli output, <strong>necessitano di un periodo di learning<\/strong> che pu\u00f2 essere pi\u00f9 o meno lungo a seconda del numero e della complessit\u00e0 delle variabili di input e, talvolta <strong>non sono idonee a risolvere determinate categorie di problemi<\/strong>, per esempio se l\u2019input \u00e8 costituito da un numero elevato di variabili categoriche. \u00c8 difficile prevedere se col tempo questi limiti potranno essere eliminati o attenuati.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Le reti neurali sono utilizzate in svariati ambiti della realt\u00e0 che ci circonda e sono alla base del principio di&#8230;<\/p>\n","protected":false},"author":1,"featured_media":5162,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[97],"tags":[],"_links":{"self":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/5161"}],"collection":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/comments?post=5161"}],"version-history":[{"count":10,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/5161\/revisions"}],"predecessor-version":[{"id":5204,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/5161\/revisions\/5204"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/media\/5162"}],"wp:attachment":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/media?parent=5161"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/categories?post=5161"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/tags?post=5161"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}