Sistemi Artificiali Adattivi©

Cosa è una rete neurale artificiale

Una Rete Neurale Artificiale è un algoritmo per l’elaborazione di informazioni che permette di ricostruire in modo particolarmente efficace le regole approssimative che mettono in relazione un certo insieme di dati “esplicativi” per il problema considerato (l’Input), con un insieme di dati (l’Output) dei quali si richiede una corretta previsione o riproduzione in condizioni di incompletezza informativa. L’uso delle ANNs è indicato soltanto quando la relazione tra Input e Output, ovvero il contenuto della scatola nera (Black Box) della figura, è molto complicato; in caso contrario, è più semplice ed economico affidarsi ad altri metodi matematici più tradizionali.

 

 

In che senso la relazione tra variabili di Input e di Output può essere complicata? Spieghiamoci con un semplice esempio. Supponiamo di voler considerare la relazione che lega la consistenza monetaria del patrimonio di un individuo al suo grado di soddisfazione. Potremmo ingenuamente immaginare che esista una relazione di semplice proporzionalità diretta tra ricchezza e soddisfazione. Se questo fosse vero, non occorrerebbe certo una ANN per ricostruire la relazione che lega le due variabili.

Se, invece, supponiamo che tale relazione non sia affatto caratterizzata da una proporzionalità diretta, ma vari significativamente con la consistenza del patrimonio (ad esempio, a partire da un piccolo ammontare, più denaro implica maggiore soddisfazione, ma man mano che il patrimonio cresce, le preoccupazioni per l’impiego del denaro hanno il sopravvento, generando un declino della soddisfazione, la quale però riprende quota quando si supera una ulteriore soglia ecc.), generando un andamento simile a quello mostrato in figura, l’uso di una ANN può essere opportuno ed efficace per comprendere meglio la reale natura della relazione.

 

 

Cenni storici

Il primo sistema di apprendimento fu sviluppato da Marvin Minsky nel 1951 (Minsky 1954). Successivamente, nel 1962, Frank Rosenblatt costruì una ANNs in grado di computare ogni funzione lineare (Rosemblatt 1962). Nel 1969, M. Minsky e S. Papert, in un famoso libro, evidenziarono i limiti della ANN costruita da Rosemblatt (Minsky 1969).
Da allora fino al 1980, le critiche di Minsky e Papert indussero la maggior parte dei ricercatori di Intelligenza Artificiale ad ignorare le ANNs. Soltanto un piccolo gruppo di ricercatori piuttosto isolati (Grossberg, Kohonen, Werbos, ecc.), continuarono ad analizzare la matematica interna delle ANNs (Grossberg 1973-1980; Kohonen 1972; Werbos 1974). Dal 1980 al 1986, finalmente, altri ricercatori vennero alla luce, tra cui il famoso fisico John Hopfield (1982-1986) e, successivamente, un gruppo di ricercatori dell’Università di San Diego pubblicarono due volumi che diventarono pietre miliari delle ANNs (Rumelhart 1986).

È a questo punto che i ricercatori trovarono le equazioni per permettere alle ANNs di risolvere qualsiasi funzione continua non lineare. Dal 1988 al 1994, le ANNs vengono utilizzate per analizzare problemi reali (Buscema 1993, 1994). Dal 1995 ad oggi, le ANNs mostrano di essere pronte per essere applicate in qualsiasi settore scientifico (Arbib 1995; Buscema 1998, 1999). Nuove ANNs e Organismi Artificiali sono stati matematicamente disegnati e implementati (Buscema 1998, 1999).