Il Deep learning è una classe dell’apprendimento automatico, più precisamente è quel campo della ricerca legata all’intelligenza artificiale ed al machine learning che si basa su una rappresentazione gerarchica su più livelli di fattori e concetti, dove i concetti di livello alto si fondano su quelli di livello basso.
Quando parliamo di deep learning, dunque, ci rifaciamo all’intelligenza artificiale, al machine learning, e di conseguenza all’evoluzione che questi meccanismi possono attuare nella società. Può riguardare istituzioni, pubblica amministrazione, imprese, sanità e anche e soprattuto l’industria. Abbiamo scritto molto sull’industria 4.0 ed abbiamo avuto ritorni interessanti sia per i contenuti e sia per le comunicazioni d’impresa legate all’innovazione e alle istanze dell’apprendimento automatico. Per facilitare la comprensione nel proporre il concetto di “innovazione” e legarlo a quello dell’AI – intelligenza artificiale, guardiamo agli esempi che hanno già ampia diffusione: è presente negli smartphone, con funzioni di assistenza vocale (pensiamo a Siri, Cortana,etc….) e anche su Internet; molte applicazioni di domani riguarderrano le automobili evolute (vedi l’impiego di Tesla ed altri).
L’apprendimento automatico o machine learning è presente e lo sarà sempre più nella nostra vita quotidiana. Molti contenuti oggetto anche delle nostre ricerche sul web o parte dell’e-commerce, si ispirano principalmente proprio alle tecniche di machine learning. Forte è il legame con il tema del pattern recognition, ovvero della ricerca di schemi e regolarità nei dati, che consentano ad un sistema, dopo una prima fase di addestramento, di classificare ogni input che gli viene presentato ripetutamente sotto forma di un vettore di features in una particolare classe di un insieme di classi possibili. Vi è un problema che riguarda i dati in input per ridurre la dimensionalità, seguito da un classificatore, che prende in input i dati di dimensionalità ridotta dalla feature extraction e su di essi viene addestrato. Il deep learning consente in maniera prevalente il superamento del problema descritto, per mezzo di metodi ed algoritmi di rappresentazione delle features ad un grado di astrazione che è sempre più crescente. Questi non sono progettati e realizzati direttamente dall’uomo, ma sono appresi automaticamente dai dati utilizzando particolari algoritmi di apprendimento. Proseguendo nella definizione data in precedenza, potremmo dire che i concetti ai livelli più alti sono definiti a partire da quelli ai livelli più bassi tramite una serie di trasformazioni non lineari.
Possiamo definire, dunque, il Machine Learning, di cui il deep learning ne è parte, come una branca dell’intelligenza artificiale e più in generale della Computer Science, che si occupa dello studio dei sistemi di algoritmi che possano imparare dai dati. Ambiti, questi, in cui saranno fondamentali e abilitanti gli sviluppi dell’high perfomance computing (HPC) e la connettività ad alte prestazioni, con la BUL (banda ultralarga) e il 5G.
Il machine learning è un tema largamente trattato per il quale la SI-IES metterà in atto studi e ricerche in occasione dei prossimi progetti nazionali ed europei.