Se il volume di un dataset è troppo grande perchè un essere umano possa gestirlo in un tempo ragionevole, questo compito si presta perfettamente a essere automatizzato tramite le reti neurali artificiali.
Le reti neurali artificiali sono modelli matematici che si ispirano al funzionamento biologico del cervello umano. Più precisamente, con riferimento alle tecnologie dell’informazione, si tratta di sistemi software e/o hardware che imitano il funzionamento dei neuroni del cervello umano, parte integrante delle tecnologie di apprendimento profondo, o Deep Learning, e del più ampio contesto dell’intelligenza artificiale.
Sistema nervoso umano e l’appredimento
Il sistema nervoso è formato da circa 100 miliardi di cellule nervose (neuroni) e da un numero ancora maggiore di cellule di sostegno (dette glia, o cellule glieli) che proteggono i neuroni e contribuiscono al loro nutrimento. Un neurone è costituito da un soma, o corpo cellulare, dai dendriti e da un assone. Il corpo cellulare, che contiene il nucleo e gli organuli cellulari, riceve i segnali elettrici dai dendriti, li integra e produce una risposta, nota come potenziale d’azione, di fatto l’impulso nervoso propagato all’interno dell’assone. I dendriti ricevono informazioni da altri neuroni o da recettori e li conducono nel corpo cellulare sotto forma di segnali elettrici, mentre l'assone, o neurite, trasporta l'impulso nervoso verso la sua estremità, che è la parte terminale del neurone. Gli assoni di più neuroni si uniscono in fasci a formare fibre nervose o nervi. L'impulso nervoso, che si è propagato lungo un assone sotto forma di potenziale d'azione, viene trasmesso a un altro neurone o a organi effettori quali muscoli e ghiandole, attraverso giunzioni specializzate, dette sinapsi, con cui un terminale assonico prende contatto con un altro neurone o qualche altro tipo di cellula. Una sinapsi può essere elettrica (bidirezionale) e chimica(unidirezionale): la prima è una giunzione comunicante, consentendo il diretto trasferimento della corrente ionica da una cellula alla successiva, mentre la seconda si caratterizza per il rilascio di neurotrasmettitori, tra cui, giusto per citare i più noti, Dopamina, Adrenalina, Serotonina. Le funzioni di un neurone possono essere così sintetizzate: ricevere informazioni dall'ambiente interno o esterno; integrare le informazioni ricevute e produrre una risposta; condurre la risposta alla sua terminazione; trasmetterla ad altre cellule nervose o mettere in moto organi effettori. E’ un dato acquisito che l'apprendimento e, più in generale, l'esperienza, possano indurre una modificazione permanente delle connessioni fra neuroni a livello delle sinapsi. Durante l’apprendimento i neuronisi riorganizzano, modificando il loro modello di attività in modo da permettere di acquisire nuove competenze o migliorare quelle che già si hanno. Detto diversamente, il cervello umano, quando è impegnato in nuovi apprendimenti stabilisce una serie di connessioni neurali, da cui dei circuiti neurali costruiti come percorsi per inter-comunicazione dei neuroni. L’apprendimento lascia quindi una traccia nei circuiti nervosi poiché induce la formazione di nuove connessionied è da questo che deriva la teoria connessionista dell’apprendimento, secondo la quale l’attivazione simultanea di due cellule nervose o di gruppi di cellule nervose produce una modificazione permanente in termini di rafforzamento delle connessioni sinaptiche: se due neuroni sono più volte simultaneamente attivi, allora, con il passare del tempo, l’attività dell’uno causerà l’attività dell’altro. Da queste considerazioni si è intuita la potenzialità pratica di un equivalente artificiale delle reti neurali del cervello umano.
