Team I.A. Italia
2 min
Non so tu ne eri sei a conoscenza ma esistono algoritmi che emulano il funzionamento del neurone biologico 😮 😲
Il nome che gli è stato dato nel tempo ai neuroni artificiali , o per lo meno ai più semplici, è perceptron.
Il Perceptron
I primi studi in materia risalgono al 1943 e vennero fatti per cercare di comprendere al meglio come funzionasse il cervello biologico.
Sempre nel 1943 due visionari, Warren McCullok & Walter Pitts, pubblicarono il primo articolo su una cellula nervosa semplificata.
All'interno dell'articolo c'era una schema molto dettagliato che riassumeva in modo molto semplice un neurone e questo fece molto scalpore. Ti riporto qui sotto uno schema simile a quello presentato nell'articolo.
Come potete vedere dall'immagine abbiamo 3 punti fondamentali
Dendriti/terminazione sinaptica, i quali sono recettori di dati, in altre parole gli input
Corpo cellulare, il quale elabora i dati che ha ricevuto in ingresso
Assone/terminazione sintattica, i dati dopo essere stati elaborati passano attraverso l'assone e vengono comunicati al prossimo neurone, output
Gli autori dell'articolo sopra citato hanno quindi ricreato una cellula nervosa immaginandola semplicemente con un'uscita logica, dove quindi l'out è binario.
Quindi riassumendo ai dendriti arrivano i dati, i quali sono elaborati all'interno del corpo cellulare, dove quando i dati accumulati superano un certo limite viene emesso un segnale. attraverso l'assone.
Anni dopo un altro visionario F.Rosenblatt pubblicò un'articolo che ci ha portanto alle tecnologie odierne dal nome :
The Perceptron, a Perceiving and Recognizing Automaton
All'interno del quale andava a spiegare, una algoritmo da lui scritto, il quale era in grado di emulare le funzioni principali del corpo cellulare il quale riceveva in input le caratteristiche e apprendeva automaticamente i coefficienti di peso ottimali da moltiplicare con gli input per poter prevedere se un neurone si sarebbe attivato o meno.
Spiegato in termini meno formali questo era in grado di dire date delle caratteristiche se queste caratteristiche appartenevano ad una classe o ad un'altra.
Dal punto di vista matematico/informatico l'implementazione del neurone è raffigurata nell' immagine.
Come è possibile notare ritroviamo gli input, un "corpo di elaborazione" e gli output.
Un esempio pratico potrebbe essere quello di date l'interesse espressa in percentuale e il reddito annuo di un potenziale cliente capire se acquisterà o meno il prodotto :
Classi : Acquista, Non Acquista
Input : Interesse%, Reddito€
Funzione : Perceptron
Output : Classe
Immagina quanto questa scoperta abbia influito su i progressi e gli sviluppi delle tecnologie odierne.
Prossimamente verrà pubblicato un articolo più specifico sul Funzionamento e l'implementazione del Perceptron in Python.
Grazie mille per la lettura, condividi per sostenerci