La data d’inizio della Summer STEM Academy si avvicina: il 31 agosto ha ufficialmente il via la full immersion nelle discipline STEM (Science, Technology, Engineering, Mathematics) per gli studenti meritevoli selezionati in tutta Italia.
Quest’anno parteciperemo anche noi all’ambizioso evento organizzato dall’Associazione Alumni della Scuola Galileiana di Studi Superiori, in collaborazione con la Scuola Galileiana di Studi Superiori e l’Associazione Alumni dell’Università degli Studi di Padova.
Il nostro Chief Operation Officer, il Dott. Tommaso De Marchi, parlerà di reti neurali e image recognition: alla teoria sarà affiancato un laboratorio pratico in cui gli studenti potranno cimentarsi nelle varie attività grazie ad una piattaforma dedicata: un’esperienza formativa e stimolante!
Se grazie all’intervista a Tommaso, abbiamo potuto conoscerlo meglio e fornire una panoramica generale sulle sue lezioni, in questo articolo vogliamo approfondire il tema dell’intelligenza artificiale: reti neurali e image recognition sono, infatti, il vero cuore delle lezioni che Tommaso terrà a distanza per i ragazzi della Summer STEM Academy.
Intelligenza artificiale: reti neurali e image recognition
L’intelligenza artificiale è una branca dell’informatica che si pone l’obiettivo di sviluppare algoritmi per operare con cognizione, così come fa il cervello umano. In sostanza, un sistema di intelligenza artificiale deve:
- Memorizzare la conoscenza;
- Applicare la conoscenza per risolvere problemi;
- Acquisire nuova conoscenza tramite l’esperienza.
È qui che entrano in gioco le reti neurali artificiali: sistemi di elaborazione ispirati al sistema nervoso degli esseri viventi. Il singolo neurone riceve i segnali dai collegamenti in ingresso, calcola un risultato e lo invia ai collegamenti in uscita.
Cosa fa una rete neurale? I dati immessi diventano dei punti in uno spazio di N dimensioni e la rete neurale cerca di definire la funzione che identifica i dati immessi nel migliore dei modi.
L’addestramento delle reti è un tema fondamentale per l’image recognition: infatti, la maggior parte delle reti imparano dai propri errori attraverso l’aggiornamento dei pesi degli ingressi nei neuroni.
Tom Mitchell nel 1997 nel suo libro Machine Learning, ha definito il concetto di apprendimento automatico: “un programma apprende dall’esperienza (E) rispetto ad una classe di problemi (T) e alla misura di performance (P). Se la sua performance sui problemi in (T), così come misurata da (P), migliora con le esperienze in (E), allora si parla di apprendimento automatico”.
L’image recognition rileva e identifica un oggetto o un dettaglio in un’immagine digitale.
Quali sono i passi dell’image recognition?
- Acquisizione dell’immagine;
- Pre-processing tramite riduzione del rumore e isolamento di pattern noti rispetto allo sfondo;
- Estrazione dei dettagli;
- Addestramento e applicazione della rete neurale.
Per fare image recognition in modo vincente la strategia è cercare di individuare e memorizzare solo gli elementi essenziali, semplificando l’immagine salvando solo i punti significativi.
Grazie alle reti neurali convolutive (CNN) l’image recognition permette ai sistemi di AI di simulare il comportamento del cervello umano per quanto riguarda il riconoscimento di un’immagine. Infatti, le CNN traggono vantaggio dal fatto che, in una data immagine, la vicinanza tra due pixel è strettamente correlata alla somiglianza, con la conseguenza che ogni neurone è responsabile solo dell’elaborazione di una determinata parte dell’immagine.
Le CNN in sostanza operano come il cervello umano: se quest’ultimo recepisce le immagini in piccoli blocchi parzialmente sovrapposti e poi li elabora, allo stesso modo le CNN riducono ogni immagini in piccoli blocchi e li analizzano in base alle loro features.
La Summer STEM Academy è un ottimo trampolino di lancio per gli studenti che si stanno approcciando al mondo delle discipline STEM e vogliono approfondire i temi legati all’informatica e alle nuove tecnologie. Noi, con le nostre lezioni su reti neurali e image recognition, speriamo di avvicinare e incuriosire i ragazzi al tema dell’intelligenza artificiale.
