Apprendimento profondo
L'apprendimento profondo (chiamato anche apprendimento strutturato profondo o apprendimento gerarchico) è un tipo di apprendimento automatico, che viene utilizzato principalmente con alcuni tipi di reti neurali. Come per altri tipi di apprendimento automatico, le sessioni di apprendimento possono essere non supervisionate, semi-supervisionate o supervisionate. In molti casi, le strutture sono organizzate in modo che ci sia almeno uno strato intermedio (o strato nascosto), tra lo strato di input e lo strato di output.
Alcuni compiti, come riconoscere e capire il parlato, le immagini o la scrittura, sono facili da fare per gli esseri umani. Tuttavia, per un computer, questi compiti sono molto difficili da fare. In una rete neurale multistrato (con più di due strati), l'informazione processata diventerà più astratta con ogni strato aggiunto.
I modelli di apprendimento profondo sono ispirati all'elaborazione delle informazioni e ai modelli di comunicazione nei sistemi nervosi biologici; sono diversi dalle proprietà strutturali e funzionali dei cervelli biologici (specialmente il cervello umano) in molti modi, che li rendono incompatibili con le evidenze delle neuroscienze.
Una rete neurale multistrato.
Domande e risposte
D: Che cos'è l'apprendimento profondo?
R: L'apprendimento profondo è un tipo di apprendimento automatico che utilizza le reti neurali per elaborare le informazioni, e spesso è organizzato con almeno uno strato intermedio (nascosto) tra gli strati di ingresso e di uscita.
D: Quali sono i diversi tipi di sessioni di apprendimento utilizzate nell'apprendimento profondo?
R: L'apprendimento profondo può essere organizzato in sessioni di apprendimento non supervisionate, semi-supervisionate e supervisionate.
D: Quali sono alcuni compiti facili per gli esseri umani ma difficili da eseguire per i computer?
R: Compiti come il riconoscimento e la comprensione del parlato, delle immagini o della scrittura sono facili per gli esseri umani, ma difficili da eseguire per i computer.
D: Cosa succede alle informazioni quando vengono elaborate in una rete neurale multistrato?
R: In una rete neurale multistrato, le informazioni elaborate diventano più astratte ad ogni strato aggiunto.
D: A cosa si ispirano i modelli di apprendimento profondo?
R: I modelli di apprendimento profondo si ispirano all'elaborazione delle informazioni e ai modelli di comunicazione dei sistemi nervosi biologici.
D: In che modo i modelli di apprendimento profondo differiscono dalle proprietà dei cervelli biologici?
R: I modelli di apprendimento profondo sono diversi dalle proprietà strutturali e funzionali dei cervelli biologici, in particolare del cervello umano, in molti modi, il che li rende incompatibili con le evidenze delle neuroscienze.
D: Qual è un altro termine per indicare l'apprendimento profondo?
R: L'apprendimento profondo è noto anche come apprendimento strutturato profondo o apprendimento gerarchico.
