Rete neurale

Rete neurale Espressione con cui si indica un sistema composto da unità di elaborazione semplici, reciprocamente connesse in rete. Questi sistemi, progettati sulla base della struttura reticolare delle cellule nervose, sviluppano capacità di apprendimento e sono quindi in grado di imparare a svolgere funzioni per le quali non sono stati appositamente programmati. Le reti neurali sono state introdotte nell'ambito delle ricerche sull'intelligenza artificiale per simulare il meccanismo di trasmissione degli impulsi nervosi.

Il significato e la funzione delle singole unità di elaborazione (o neuroni artificiali) oscillano sensibilmente a seconda della posizione che esse occupano all'interno della struttura del sistema. Le modalità di lavoro e le possibilità della rete sono infatti determinate dalla sua struttura generale, che viene denotata come topologia (dal greco tópos, 'luogo') e indica come sono collegate le singole unità, come queste connessioni possano essere modificate e come si diffonde l'attivazione della rete, cioè gli impulsi nervosi. L'attivazione viene rappresentata da un 'peso', che indica la potenza dei collegamenti tra due singole unità. Nelle reti non stratificate tutte le unità sono connesse tra loro, mentre nelle reti stratificate esse sono collegate in senso orizzontale, cioè a livelli. Nei modelli in cui la diffusione dell'attivazione è a senso unico (feedforward) gli impulsi nervosi (l'attivazione) procedono in un solo verso. Nei modelli con feedback, invece, la diffusione dell'attivazione in un dato livello può influenzare l'attivazione di un livello precedente (retroazione). Le controreazioni sono introdotte solo nelle reti adattive, in cui i pesi tra le singole unità elaborative possono essere opportunamente calibrati.

L'adattamento dei pesi si realizza nella cosiddetta fase di training o fase di apprendimento della rete. Dapprima vengono introdotti pesi statistici arbitrari e vengono preindicate le unità di elaborazione o unità di risposta della rete. Quindi vengono rinforzate tutte le connessioni tra unità che contribuiscono a una risposta corretta, e indebolite tutte le altre connessioni. Ciò si realizza aumentando o diminuendo i pesi secondo regole definite (ad esempio la regola Hebb). Dopo parecchi percorsi d'apprendimento, emerge nella rete un modello di attivazione riferito a una particolare impostazione del problema in questione. Sulla base di questa struttura una rete neurale può rielaborare problemi sino ad allora non appresi e reagire in modo coerente a input sconosciuti. Si denota questa capacità come 'apprendimento', mentre la struttura di attivazione rappresenta la 'conoscenza' della rete. Le reti neurali sono impiegate ad esempio nel riconoscimento delle strutture nel controllo di immagini, nel rinfoltimento di grandi quantità di dati, oppure nella gestione di semplici processi produttivi.