Reti neurali su Personal Computer

La rete neurale è un sistema software realizzato per simulare elettronicamente una rete di neuroni biologici.

Una rete neurale è un modello matematico di processamento delle informazioni, che cerca di simulare il funzionamento dei neuroni all'interno di un sistema informatico. Può essere composta sia da programmi sia da hardware dedicato. Spesso viene utilizzata in congiunzione alla logica fuzzy.

I campi di applicazione delle reti neurali sono tipicamente quelli dove gli algoritmi classici falliscono, dato che per la loro intrinseca rigidità necessitano input precisi. Vengono usate in pratica nella risoluzione di problemi che hanno il numero delle possibili variazioni talmente elevato da non poter essere classificato.

Per risolvere questi problemi si utilizzano normalmente algoritmi di tipo probabilistico, caratterizzati da scarsa flessibilità ed elevata complessità di sviluppo, e che risultano comunque, meno efficaci delle reti neurali.

Un altro campo in cui gli algoritmi classici falliscono è nel caso di analisi di fenomeni di cui non si conoscono regole matematiche. In realtà esistono algoritmi molto complessi che possono analizzare tali fenomeni ma, dalle comparazioni fatte sui risultati, pare che le reti neurali risultino nettamente più efficienti.

In campo medico, ad esempio, le reti neurali sono ampiamente utilizzate per il riconoscimento di immagini e per la diagnosi automatica.

La rete neurale funziona tramite segnali in input ai neuroni elettronici che elaborano il segnale, ne verificano la valenza e lo ritrasmettono a ritroso per ricevere un nuovo feed-back, e così via, fino a quando il livello di errore ritrasmesso non ha raggiunto un valore minimo prefissato. Ovvero fino a quando la rete non ha 'appreso' con una percentuale di errore intorno all'1 %.
Il meccanismo è lo stesso adottato dal sistema neuroendocrino, al quale si è ispirata la tecnologia informatica.

Per funzionare correttamente, la rete deve passare attraverso un fase di training, durante la quale vengono "pesate" le correlazioni esistenti tra i segnali di input e di output.
A seguito di questa fase, la rete neurale sarà in grado di gestire i livelli di feed-back tra i neuroni e le strategie da attuare in risposta a nuovi segnali di input.

Ma di fatto, quando la fase di training non è ben progettata, la rete, invece di proseguire nell'apprendimento, si blocca, va in stallo, tecnicamente si dice che va in overtraining. A questo punto, è come se la rete memorizzasse la situazione, e non fosse più in grado di accettare o individuare situazioni diverse da quella, non ha più possibilità di feed-back.
Il parallelo con la situazione biologica è molto stretto, al punto da far pensare che l' overtraining possa configurare una sorta di memorizzazione dell'errore, cioè di una situazione metabolica alterata, senza possibilità di modulare il feed-back ormonale.

Nel caso della rete neurale l'effetto overtraining si verifica quando il training è troppo spinto, cioè quando i dati in input non sono abbastanza congruenti.

Approfondimento