Cosa Sono Le Reti Neurali Artificiali (Intelligenza Artificiale)

Una rete neurale artificiale è un modello matematico che, tramite una serie di computer collegati tra di loro, simula le connessioni esistenti tra i neuroni degli essere viventi.
Spesso vengono utilizzati algoritmi genetici.
Tramite i neuroni del cervello umano noi risolviamo problemi conoscitivi e quant'altro.
La rete neurale artificiale è una trasposizione artificiale del nostro cervello.
I primi studi risalgono agli anni 60 e 70, anticipati dal Test Di Turing del 1950.
Ognuno di questi neuroni artificiali è collegato agli altri nodi della rete attraverso una rete di interconnessioni che permettono alla rete stessa di comunicare con il mondo esterno.
In poche parole esse ricercano relazioni tra dati, utilizzando un'intelligenza artificiale.
Lo scopo di una rete del genere è quello di acquisire informazioni dal mondo esterno, elaborarle e restituire un risultato sotto forma di impulso.
Le reti neurali artificiali sono quindi  utilizzate nel campo della programmazione delle intelligenze artificiali per affrontare e tentare di risolvere determinate categorie di problemi.
In poche parole vengono create applicazioni dedicate a risolvere un qualsiasi problema non facilmente risolvibile tramite "senso comune".
Ad esempio, il sito web Akinator che indovina l'oggetto che state pensando, funziona tramite questo tipo di algoritmi: Akinator


MODELLI DI RISOLUZIONE DEI PROBLEMI
Avremo nodi d'ingresso (Input), nodi di uscita (Output) e nodi delle unità nascoste (Hidden).
Ognuna di queste unità svolge un compito molto semplice: attivarsi nel caso in cui la quantità totale di segnale che riceve (sia da un'altra unità sia dal mondo esterno) supera una certa soglia di attivazione.
In questo caso emette a sua volta un segnale attraverso dei canali di comunicazione fino a raggiungere le altre unità cui è connessa.
Avremo tre tipi di modus operandi.
Nel modello supervisionato la rete utilizza un insieme di dati, grazie ai quali costruisce un modello “generale”.
Questo modello verrà successivamente utilizzato dall'algoritmo "BackPropagation" per risolvere problemi dello stesso tipo.
Nel caso del processo di apprendimento non supervisionato, il sistema fa riferimento ad algoritmi che tentano di raggruppare i dati di ingresso per tipologia, individuando cluster rappresentativi dei dati stessi facendo uso tipicamente di metodi probabilistici.
Nel processo per rinforzo è l'ambiente stesso a guidare l'algoritmo nel processo di apprendimento "osservando" l'ambiente esterno.


FINALITA'
In particolare una rete artificiale è utilizzata per riconoscere modelli e schemi all'interno di una grande mode di dati.
Effettuare predizioni sulla base dei dati di input in suo possesso ed ottimizzare un risultato già ottenuto con altri mezzi.
Una rete neurale artificiale può fornire risultati anche molto precisi a partire da una serie di dati di ingresso molto vari ma lavora ovviamente in modo meccanico: ovvero non sa spiegare perché e come ha ottenuto quel risultato.
Esse possono essere utilizzate per calcoli molto complessi, per riconoscere volti o altre parti del corpo all'interno di una grande database fotografico (tipo il ricerca "visivo" per immagini di Google) o per analizzare tramite metodi probabilistici e statistici l'andamento delle quotazioni borsa.
La precisione dei dati ottenuti sono però legati alla quantità e alla qualità dei dati di input che verranno forniti al sistema informativo.