Cosa é Un Neurone Artificiale E La Storia Del Perceptron, Intelligenza Artificiale e Deep Learning

Non so tu ne eri sei a conoscenza ma esistono algoritmi che emulano il funzionamento del neurone biologico 😮 😲

Cosa é Un Neurone Artificiale E La Storia Del Perceptron, Intelligenza Artificiale e Deep Learning

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

1. Dendriti/terminazione sinaptica, i quali sono recettori di dati, in altre parole gli input

2. Corpo cellulare, il quale elabora i dati che ha ricevuto in ingresso

3. 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

1. Input : Interesse%, Reddito€

2. Funzione : Perceptron

3. 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