Menu Chiudi

Deep Learning

Reti neurali

Dalle reti neurali artificiali alla vera intelligenza artificiale

Riccardo Zecchina – Dipartimento di Scienza Applicata e Tecnologia (DISAT) – Politecnico di Torino

Riccardo Zecchina è ordinario di Fisica teorica al Politecnico di Torino e responsabile dell’unità di Inferenza statistica e Biologia computazionale alla Human Genetics Foundation (HuGeF, Torino). Tra i suoi interessi di ricerca possiamo elencare la fisica statistica, neuroscienze computazionali e biologia computazionale, algoritmi distribuiti per l’ottimizzazione e l’inferenza statistica.

La slide in cui Zecchina mette a confronto il metodo scientifico di Galilei e il processo per la conoscenza scientifica nel prossimo futuro
La slide in cui Zecchina mette a confronto il metodo scientifico di Galilei e il processo per la conoscenza scientifica nel prossimo futuro

L’occasione di ascoltare il professor Zecchina l’abbiamo avuta anzi, l’abbiamo cercata costruendo la visita di istruzione in modo che ci trovassimo a Torino il nove di marzo (2017) in occasione del suo intervento a Giovedìscienza dal titolo Dalle reti neurali alla vera intelligenza artificiale.

La parte per noi interessante della conferenza è stato il paragone tra il metodo scientifico così come lo definì Galilei e la nuova struttura della conoscenza scientifica che si va delineando grazie (o a causa) della grande abbondanza di dati sperimentali, abbondanza che richiede ormai nuove tecniche per la costruzione di un modello di analisi del fenomeno studiato.

Proprio la costruzione del modello è il cardine dell’attività di alternanza scuola-lavoro della classe e il centro di gravità del progetto (vedi Progetto in questo stesso blog).

L’intervento del professor Zecchina, davvero interessante e facilmente comprensibile anche a un pubblico non specializzato, è disponibile qui di seguito. La parte che ci interessa direttamente è discussa circa sette minuti dopo l’inizio.

Potete sperimentare un simulatore di reti neurali artificiali che mostra come avviene l’apprendimento delle reti all’indirizzo: playground.tensorflow.org.

Articoli correlati

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.