Search Results

85 risultati trovati per ""

Post sul blog (64)

  • GLI STATI ATTENZIONALI

    Questa Spiegazione è appartenente ad una Serie di Articoli. Prima di iniziare a leggere ti consigliamo di guardare gli articoli precedenti Lo Strumento "mente" Il servomeccanismo mentale Gli Engrammi : Le Immagini della Mente Che cosa è un concetto Cominciamo dunque con l’identificare che cos’è lo stato attenzionale o perlomeno che cosa io intenda per “stato attenzionale”, in quanto ci permette di vedere fin da questo momento l’importanza della concezione mentale dell’attenzione che esprime un concetto "funzione" di capitale importanza. La difficoltà di spiegare in termini correnti questo concetto mi porta a far partecipare il lettore a degli esperimenti di applicazione dell’attenzione con alcuni esempi che rendono possibile il "sentire" gli stati attenzionali come dei momenti di funzionamento della mente. Per rendere l’idea di che cosa si tratti, basta pensare a quello che si prova quando ci si pone di fronte ad una situazione di attenzione applicata, ovvero, supponiamo che un vostro amico vi dica questa frase: "attento... ecco!" e lasci sospeso il discorso, l’esperimento funziona anche se ci ripetiamo da soli questa frase e con un po’ di sensibilità, ci si accorge che effettivamente succede qualcosa, una volta un bambino mi ha risposto che era come se si rizzassero le orecchie, in effetti succede che noi suscitiamo una “eccitazione attenzionale” che se si potesse esprimere con un segnale potrebbe avrebbe una forma di questo genere: Il grafico ci illustra che nel tempo ’x’, ossia quando viene pronunciata la parola "ecco", si ha uno stato "logico" a livello "1" (indicato con “R”) dell’attenzione e questo stato viene mantenuto per un certo periodo non specificato, in realtà penso sia un fatto soggettivo, si potrebbe trattare di alcuni secondi, ma comunque credo che non dipenda soltanto dal soggetto, ma anche dal contesto, quindi dal momento e da altri fattori contingenti. Che cosa significa quanto sopra? Soltanto che la nostra attenzione e‘ cambiata di stato: si è per così dire eccitata, per un determinato periodo si è portata al livello 'Q-S' che corrisponde al livello logico alto del segnale espresso nel grafico riportato, si potrebbe parlare di uno stato riflesso, ossia che l’attenzione si sia riposizionata su se stessa. A questo punto si può notare che esistono due stati di attenzione, ovvero uno stato di coscienza attenzionale, che nel caso in esame si identifica al momento di dire "attenzione", dove per l’appunto l’attenzione si presenta rilassata a livello "0" e uno stato di eccitazione dove l’attenzione si presenta a livello "1" che corrisponde all’accumulo di energia pronta per essere utilizzata nelle operazioni costitutive della percezione. E‘ chiaro che nell’esperimento sopra enunciato il sistema mentale era stato posto come ricevente o in input e quindi il suo operare consiste nel predisporsi a decifrare un’informazione analogamente al caso, che ci è sicuramente capitato a tutti, di assistere durante un viaggio in treno allo spettacolo offertoci dal paesaggio in movimento relativo attraverso il finestrino, i nostri occhi guizzano alla ricerca di fermare un’immagine che ci coglie attenzionalmente per renderla stabile e decifrabile, ancora una volta l’attenzione sviluppa la sua funzione in base alla quale noi scegliamo l’argomento per cui questa si eccita e il nostro guizzare con gli occhi avanti serve per cogliere proprio attenzionalmente una data immagine, tale scelta di solito sembra spontanea, sembra non dipendere dal nostro pensiero corrente ma da qualcosa che sta al di sotto del livello di soglia della consapevolezza, sono dunque dei fattori esterni che colgono la nostra attenzione, come qualche cosa di particolare, qualche colore o qualche forma geometrica, durante questo nostro operare con gli occhi è come se qualcuno ci dicesse tanti "ecco..." che eccitano la nostra attenzione e ci costringono a soffermarci onde decifrare l’immagine, il ché equivale a dire che “l’energia trattenuta dallo stato di eccitazione attenzionale si espande in un engramma composto di armonie di stati attenzionali che daranno vita alla percezione della stessa immagine.” Quante volte ci è capitato di fare una passeggiata per la strada, di sentire un rumore o un suono strano ed ecco che i nostri occhi guizzano a cercare di cogliere una particolare immagine nel luogo presunto come fonte del rumore, la nostra attenzione questa volta è stata sollecitata dall’apparato uditivo e di conseguenza il nostro riflesso è quello di espandere l’energia attenzionale andando a cogliere con gli occhi l’immagine che ha provocato in noi una variazione di stato attenzionale, succede la stessa cosa se per esempio vedendo transitare una macchina che ci sembra appartenere ad un nostro conoscente ci mettiamo a seguire quell’immagine per controllare se era effettivamente ciò che ha destato in noi quel particolare interesse attraverso un processo questa volta di carattere cognitivo, succede sempre la stessa cosa, la nostra attenzione si eccita e dobbiamo scaricare questa energia applicando gli occhi e la mente sul soggetto che ha destato la nostra disponibilità attenzionale. Vi sono degli esempi che possono chiarire ancor meglio la funzione degli stati attenzionali quando il nostro operare mentale è in ricezione e sono per così dire delle immagini da laboratorio che riporto nei disegni seguenti: Ecco un simpatico disegno che può raffigurare a seconda che la nostra attenzione sia colta dal nero o dal bianco all'interno del rettangolo una vecchia o una ragazza, ma quello che è interessante notare consiste nel fatto che per raffigurarci queste due immagini la nostra attenzione si comporta in un modo complesso, ossia, non appena si è eccitata, viene messo in moto un processo che comporta l'entrata in opera di quelle funzioni che abbiamo rappresentato nello schema di base, in sostanza si può pensare che dal primo istante nel quale vi è stato un accumulo di energia con l'eccitazione attenzionale, questa venga controreazionata attraverso l'anello costituito dalle funzioni rappresentate con 'A(i)' e 'B(i)', il sistema di controreazione consiste nel costituire un primo engramma attenzionale attraverso le funzioni presenti in 'A(i)' che forse identificherà in blocco il colore, la spazialità e altre caratteristiche dell'oggetto o della cosa che sta per essere analizzata e va poi arricchendosi tramite la controreazione 'B(i)' in modo da costituire una serie di operazioni attenzionali che portano all’acquisizione dell’immagine, tale acquisizione viene costruita tramite delle successive frequenze di stati attenzionali dettate dalle variazioni del profilo considerato, mantenendo sempre presenti attenzionalmente le successioni del ritmo attraverso il quale viene a costituirsi l'immagine; troveremmo così, che la grandezza espressa come 'y(i)', si va arricchendo in 'z(i)' di stati che vengono sollecitati con la variazione, il nostro sistema di controreazione fa eccitare l'attenzione ogniqualvolta alla ripetizione di un ciclo di informazione trovi una variazione instaurando in modo sommativo queste informazioni in un codice attenzionale o engramma che ci dà la possibilità di incamerare in memoria la strutturazione dell'immagine percepita senza per questo dover ricordare tutte le informazioni attenzionali che sono servite per costituirla, quindi quello che è il concetto ricordato si forma attraverso delle informazioni attenzionali che esprimono il modo costitutivo dell'immagine e non tutti gli stati attenzionali che sono stati alla base della costituzione percettiva dell'immagine stessa. In questo esempio possiamo pensare che siano intervenute nell'azione percettiva delle funzioni come il concetto di "cosa" il concetto di "singolare" quello di "plurale", quello di "tutto" e di "parte", la riparametrazione simmetrica attenzionale negata, in questo caso, la strutturazione del ritmo attenzionale dovuta alle variazioni del profilo di divisione delle superfici e l'attività associativa ai profili di entità conosciute, si può quindi immaginare che il concetto di questo disegno sia costituito dalla sequenza logica delle funzioni che sono intervenute ed elaborato dalla mente in parallelo. Un esempio analogo a quello sopra esposto è quello espresso da quest'altro disegno ormai classico: Anche in questo caso si possono distinguere due immagini diverse in riferimento all’orientamento: è un'altra figura alternante dove il gioco attenzionale del "tenere" e del "lasciare" è particolarmente attivo, dove il processo di costituzione delle immagini è lo stesso di cui sopra con la differenza che questa volta è verificata la riparametrazione simmetrica e quindi il concetto si formerà allo stesso modo ma con questa sola differenza. Un simbolo invece che ci può fornire un bellissimo esempio per esercitare la nostra capacità intrinseca di riparametrazione simmetrica è quello che i cinesi chiamano "T'ai-chi T'u" o "Diagramma della Realtà Ultima",rappresentante le polarità opposte yin e yang : Come si può notare è un simbolo simmetrico complementare a simmetria rotazionale, il gioco attenzionale che sviluppa mette bene in evidenza le operazioni elementari che la nostra mente compie per percepire le immagini,si tratta in definitiva di compiere delle operazioni estremamente semplici e di abbinarle tra loro,nel caso della riparametrazione simmetrica in effetti la nostra mente ricerca le "informazioni" che possono essere ritenute uguali, per immetterle in un contenitore, fornito dall'attività di concettualizzazione che serve per identificare dei "continui informazionali ". Ovviamente questo non accade soltanto per le percezioni visive,ma anche per quelle che riguardano gli altri sensi; proviamo ora ad immaginare che cosa succede se abbiamo alcuni oggetti su un tavolo e ad occhi chiusi si tenta di toccarli: noteremmo con stupore che la nostra attenzione si comporta in modo analogo ossia si eccita al contatto delle nostre dita con l'oggetto e poi ci si aspetta con movimenti simili di trovare gli altri oggetti che vi sono posti, ancora una volta interviene quindi il meccanismo della controreazione che ci porta alla riparametrazione simmetrica dei movimenti e dei risultati che ci aspettiamo da questi, in altre parole significa che le operazioni che noi facciamo con la mente partono sempre da una carica energetica iniziale dovuta all’eccitazione attenzionale e si espandono, trasformando l’energia accumulata in reazioni a catena con una metodologia che ricerca l’uguaglianza di ritmo attenzionale, cosa analoga se ascoltiamo una musica, la nostra attenzione si eccita su di una nota e poi attraverso il ritmo musicale si aspetta la nota successiva tenendo presente e riparametrando la prima con la seconda,a questo punto possiamo ipotizzare che la costituzione attenzionale dei concetti percettivi o concetti "dato" viene a formarsi passando attraverso due stadi di elaborazione attenzionale, un primo stadio nel quale il servomeccanismo intrinseco della nostra mente sviluppa la sua funzione ricercando le simmetrie e le variazioni,riconducendo queste operazioni a dei ritmi attenzionali e un secondo stadio nel quale si immagazzinano o si incamerano le operazioni costitutive del processo attraverso la codificazione attenzionale dei concetti "funzione" di base che sono intervenuti, dando così origine ad un engramma che verrà riportato in memoria e che servirà per i processi cognitivi. A questo punto invito il lettore a provarsi con degli altri esempi che può scoprire utilizzando l'immaginazione, per condurlo a fare delle ulteriori ipotesi sul funzionamento attenzionale della nostra mente per esempio scoprendo che cosa succede quando squilla il telefono o suona una sveglia o nota una macchia su una superficie o tocca accidentalmente qualcosa. Lo vedremo nel Prossimo articolo, grazie per la lettura...

  • Robotic Process Automation (RPA) e Ottimizzazione dei Processi

    La Robotic Process Automation consiste nell’introduzione di una forza lavoro software mediante bot che automatizzano totalmente o parzialmente l’operatività dell’utente. Uno strumento potente e versatile che consente di sostituire le attività fisiche che non richiedono conoscenza, comprensione o intuizione. Task ripetitivi e semplici vengono codificati e, mediante la programmazione di algoritmi, vengono fornite le istruzioni per agire. Generalmente i processi di automazione vengono realizzati sfruttando sorgenti di dati strutturati come un foglio excel o un database. I sistemi di RPA, invece, sono in grado di gestire dati non strutturati come documenti scannerizzati, immagini e video, anche nei casi in cui non sia disponibile un API adatta allo scopo. I sistemi RPA osservano un operatore mentre svolge una determinata attività nella GUI, Graphical User Interface, e hanno la capacità di apprendere e ripetere i vari task in autonomia. Sono infatti in grado simulare comandi di input manuali eseguiti utilizzando mouse o tastiera e possono interagire con i vari applicativi informatici, esattamente come fanno gli esseri umani nello svolgimento di un compito all'interno di un processo. Maggiore efficienza e riduzione dei costi Automatizzare attività semplici e ripetitive fa risparmiare tempo e denaro. Una forza lavoro RPA è precisa, accurata e può svolgere il proprio compito 24 ore su 24, per 7 giorni alla settimana, senza mai perdere la concentrazione. Migliora la precisione del lavoro svolto e i tempi di esecuzione sono notevolmente ridotti. Altro aspetto non trascurabile è il fatto che un sistema RPA ben progettato e implementato, pur gestendo un imponente mole di informazioni, riduce notevolmente i tassi di errore dei task, arrivando quasi ad azzerarli. La tecnologia RPA trasforma il modo in cui viene gestito il lavoro Automatizzare i processi mediante la Robotic Process Automation semplifica i flussi di lavoro e rende le organizzazioni più redditizie, flessibili e reattive e permette di avere un notevole contenimento dei costi relativi alla manodopera. Tuttavia l’obiettivo non è solo la riduzione dei costi legati al personale, ma soprattutto liberare i dipendenti dallo svolgere task manuali ripetitivi, aumentando la loro efficienza e permettendo di concentrare l’attenzione su priorità aziendali che richiedono lavoro creativo, abilità, innovazione. Liberare tempo permette inoltre di svolgere con maggiore impegno azioni commerciali e attività strategiche come l’analisi dei dati. Anche riguardo la gestione dei clienti è possibile evadere rapidamente le richieste, aumentando la loro soddisfazione. Una tecnologia adatta a molteplici settori L’utilizzo di sistemi RPA si sta rapidamente diffondendo in molteplici settori: i servizi finanziari, l’assistenza legale e sanitaria, il marketing, la gestione delle risorse umane e dei processi di produzione e vendita, il servizio clienti. Alcuni esempi pratici dell’impiego della Robotic Process Automation sono: L’accesso e la navigazione nei sistemi per estrapolare dati e compilare moduli. Si possono utilizzare i dati contenuti in una fattura inviata tramite un messaggio di posta elettronica per copiarli e inserirli in un ordine o in un sistema di prenotazione; Valutare profili dei candidati attraverso la lettura dei loro curriculum; Completare analisi e report; Recuperare informazioni dai profili dei clienti per inserirli in sistemi e applicazioni che gestiscono ordini e spedizioni; Comprendere immagini e completare le sequenze mancanti. Differenze fra Robotic Process Automation e AI Spesso si confonde RPA con l'intelligenza artificiale AI. Tra le principali differenze l'RPA tradizionale utilizza input e logica strutturati, l'AI utilizza input non strutturati e sviluppa una propria logica e un proprio metodo di attuare un processo. La loro combinazione dona alla forza lavoro robotica la capacità di prendere decisioni complesse simili a quelle umane. Sfruttando alcune tecnologie tipiche dell’intelligenza artificiale, la Robotic Process Automation è in grado di apprendere e di adeguarsi all’ambiente nel quale viene inserita. Viceversa, la RPA consente di raccogliere dati che permettono ai modelli di AI di allenare le capacità di apprendimento perfezionando la loro azione con maggiore precisione. L’unione fra Intelligenza artificiale e soluzioni di RPA permette di superare l’automazione di compiti ripetitivi o la corretta lettura e comprensione di un testo e un’immagine. L’obiettivo è quello di realizzare software che siano in grado di agire in modo adattivo, e quindi di apprendere mediante le esperienze, e contestualmente di operare in modo predittivo, ovvero di prevedere quale sarà il risultato di un’azione in modo da prendere decisioni autonome o semi-autonome in tempo reale. Come realizzare sistemi di Robotic Process Automation L'automazione dei processi robotici è in continuo aumento perché permette a molteplici tipologie di aziende di risolvere in modo innovativo e risolutivo specifiche problematiche operative. I bot, osservando il modo in cui i dipendenti svolgono i processi, possono gestire correttamente notevoli quantità di dati. Per questo motivo, sono la soluzione ottimale per analizzare ed elaborare grandi set di informazioni, dando maggiore valore ai big data che vengono raccolti. In numerosi settori è possibile sfruttare al meglio queste potenzialità grazie a Imita, un’azienda specializzata in IT che fornisce soluzioni personalizzate in grado di aumentare la produttività e di migliorare l’efficienza. Vuoi saperne di più su di noi ?

  • Applicazione SVM per la classificazione automatica su Iris dataset - Esempi pratici Machine Learning

    Conoscenze necessarie per leggere questo post. Se vuoi trovarti a tuo con questa lettura, ti consiglio di leggerti prima i seguenti articoli introduttivi: Conoscenza delle caratteristiche di un problema di classificazione. Conoscenza dell’algoritmo SVM. Ricapitolando Ho introdotto nei precedenti post le nozioni necessarie per valutare un primo caso di studio. Nello specifico analizzerò il problema di classificazione dei fiori fra Iris Setosa, Virginica e Versicolor. Come già accennato, il dataset è composto da 150 istanze. Per ognuna di esse vengono fornite più features utili per la classificazione: lunghezza, larghezza del sepalo e del petalo. Per maggiori info sul dataset visita il sito ufficiale. Suddivisione del dataset Ho suddiviso il dataset in train e test: l’80% delle istanze le ho inserite nel training set e il rimanente 20% le ho inserite nel test set. Ho deciso di utilizzare l’algoritmo presentato nel post precedente ovvero SVM, il quale si occuperà di definire una funzione che permetta di dividere correttamente le istanze delle classi. Come fa a farlo? Tramite i dati di training etichettati. Ovviamente all’aumentare dei dati a disposizione le performance saranno migliori. Inoltre, all’aumentare delle classi le performance saranno peggiori perché aumenterà la probabilità di sbagliare la classificazione. Risultati L’accuratezza di classificazione ottenuta è stata pari a 83.33%. Questa metrica misura la percentuale di corrette classificazioni svolte dall’algoritmo utilizzato. Nel caso in esame significa che su 30 immagini presenti nel test set 25 sono classificate correttamente, mentre 5 sono errate. Per incrementare questo valore possono essere necessari: maggiori elementi nel training set; l’utilizzo di un set diverso di features; l’adozione di una strategia più efficace per la risoluzione del problema. La matrice di confusione mostra in forma tabellare la suddivisione delle classificazioni per classe. Aiuta quindi il data scientist a capire in quali classi l’algoritmo commette errori di classificazione. La matrice di confusione risultante è stata la seguente: Da questa tabella si evince che per la classe Iris Setosa il metodo usato non commette nessun errore di classificazione (10 classificazioni su 10 corrette → 100%). Per quanto riguarda la classe Iris Virginica vengono commessi 4 errori perché 4 istanze della classe Iris Virginica vengono classificate come Iris Versicolor (7 classificazioni su 11 corrette → 63.6%). Infine, per l’ultima classe viene commesso un solo errore di classificazione (8 classificazioni corrette su 9 → 88.8%). Da ciò si può quindi evincere che la classe che presenta maggiori difficoltà ad essere correttamente individuata è Iris Virginica. Un’interessante analisi è quella che si può fare su come le istanze del dataset siano suddivise in training e test set. La regola aurea è che il numero di istanze di ogni classe dovrebbe essere lo stesso. Serve per evitare problemi in fase di addestramento che si ripercuotono poi in fase di classificazione. Se il metodo di classificazione vede più esempi in fase di addestramento, ci saranno poi maggiori possibilità che classifichi gli elementi del test con l’etichetta della classe più popolosa del training set. In questo caso le istanze sono state suddivise in questa maniera: Dalla tabella si evince che relativamente alla classe con meno istanze in fase di training si commettono poi più errori in fase di test. Come migliorare le performance? Avevo utilizzato solo le prime 2 features a disposizione. Usando, invece, tutte e 4 le features ottengo risultati nettamente migliori: accuratezza di classificazione pari a 93.33%. Ciò determina che la scelta delle features può influenzare molto il risultato del modello di Intelligenza Artificiale. Solo due errori nella classificazione dell’Iris Virginica. Davvero niente male questo SVM! Come Implementare l' SVM con Python su questo Dataset? Vi lascio il codice completo, con diversi kernel SVM, e le relative aree di classificazione, scritto in Python. Buon Divertimento ! Sono appassionato di Intelligenza Artificiale e nel 2020 ho ricevuto il Ph.D. in Visione Artificiale presso l'Università degli Studi di Parma. Se vuoi ricevere maggiori informazioni sull'articolo o sui progetti che sto svolgendo visita il mio sito web.

Visualizza tutti

Post sul forum (9)

  • Da Xml a dataFrame di pandas

    Ciao ho problemi nel convertire un file xml in una dataframe di pandas utilizzando python. Qualche soluzione?

  • Benvenuto sul Forum di Intelligenza Artificiale Italia

    Complimenti e un caloroso benvenuto nel primo Forum gratuito italiano completamente dedicato al Mondo dell'intelligenza artificiale. 😊 Se sei arrivato fin qui, significa che condividi con noi la passione o la curiosità di scoprire tutto ciò che riguarda il mondo dell' I.A. 🤖 e delle sue applicazioni. Per molti anni ho dato supporto alle persone che cercavano ispirazione, aiuto o consigli. Un giorno ho deciso di trasformare questa predisposizione in qualcosa di più concreto. Ho iniziato a scrivere della mia passione per l'intelligenza artificiale. Ho fondato questa Comunità con l'intenzione di condividere tutto sul mondo dell AI. Intelligenza Artificiale Italia è un progetto legato alla mia passione, che cresce giorno per giorno. Spero che ti piacerà navigare nel blog/forum e leggere tutti i contenuti esclusivi che offriamo. Dai un'occhiata in giro, potresti scoprire qualcosa che ti appassionerà. Continua a leggere e divertiti! Ti lascio il link per il regolamento e linee guida del Forum > Regolamento del Forum

  • Da Xml a dataFrame di pandas

    Grazie per la segnalazione abbiamo risolto.

Visualizza tutti