Cambiare l'attuale approccio usato nello sviluppo dell'Intelligenza Artificiale e riscoprire un metodo più semplice, passando dal deep learnig, la tecnica basata sull'uso di moltissimi strati di elaborazione, a tecniche più simili alle strategie di apprendimento del cervello umano. A dimostrare le potenzialità di questo approccio è la ricerca guidata Ido Kanter, dell'Università Bar-Ilan in Israele, e pubblicata sulla rivista Scientific Reports.
L'idea, in realtà non nuova, dei ricercatori israeliani è che l'Intelligenza artificiale potrebbe imparare in modo più semplice. senza i tanti livelli di complessità nei quali è strutturata attualmente", ha detto all'ANSA Simone Scardapane, dell'Università Sapienza di Roma. Per definizione le intelligenze artificiali sono tentativi di replicare alcune capacità del cervello umano e ovviamente per molti aspetti ne traggono ispirazione nella loro architettura, ma ad oggi quelle di maggior successo sono strutturate in modo molto differente dalle reti neurali che esistono in natura.
"Una di queste evidenti differenze è nel numero di 'strati': le reti di Deep Learnig sono profonde ossia sono composte da centinaia o migliaia di strati di elaborazione nel cervello, se ha senso fare quest'analogia, ce ne sono invece pochissimi", ha precisato Scardapane. Due architetture molto differenti in cui ognuna presenta dei vantaggi e dei difetti.
"Sin dagli albori dell'intelligenza - ha aggiunto Scardapane - si sono esplorate le due soluzioni, ma ad oggi i risultati del Deep learning non sono confrontabili con l'altro approccio". I ricercatori israeliani hanno però voluto riprendere la vecchia alternativa di reti poco profonde, implementarne alcune novità e testarla sul campo con i computer attuali. Queste soluzioni hanno mostrato risultati incoraggianti, spiegano i ricercatori, le cui potenzialità però per essere indagate a fondo richiederebbero lo sviluppo di computer specifici disegnati per questo nuovo ambito.
Leggi l'articolo completo su ANSA.it