La ricerca di Giuliano Armano, del Dipartimento di Matematica e Informatica, ha aperto la scatola nera sulle modalità di apprendimento delle reti neurali artificiali. Attraverso la costruzione di diagrammi, il ricercatore ha scoperto che nel processo di addestramento si formano precisi schemi di successo o di fallimento. Il lavoro è stato pubblicato sulla rivista Scientific Reports, del gruppo Nature, e potrà avere importanti sviluppi applicativi e tecnologici
28 February 2021
Uno degli schemi contenuti nell'articolo di Giuliano Armano

Le reti neurali artificiali hanno un vasto campo applicativo. La ricerca di Giuliano Armano amplia le conoscenze sul loro processo di apprendimento

Roberto Ibba

Cagliari, 28 ferbbraio 2021 - Durante l'addestramento di una rete neurale artificiale emergono chiaramente schemi di successo o di fallimento: sul tema si concentra la ricerca di Giuliano Armano, docente del Dipartimento di Matematica e Informatica, pubblicata sulla rivista internazionale Scientific Reports, del gruppo Nature.

Le reti neurali artificiali sono una delle tecnologie di punta per risolvere problemi di classificazione in vari ambiti applicativi. Per le applicazioni in campo biomedico si possono citare, per esempio, il calcolo del rischio di recidiva di tumori, l’identificazione della presenza o assenza di polmonite interstiziale da Covid-19 e la prognosi di malattie invalidanti. Tutti questi problemi, e molti altri ancora, sono risolti efficacemente addestrando una rete neurale su un compito specifico.

La struttura interna di una rete neurale artificiale è tipicamente costituita da vari strati, ognuno equipaggiato con un numero prefissato di neuroni scelto dal programmatore. I neuroni di uno strato sono collegati a quelli dello strato successivo mediante una fitta rete di connessioni, ognuna in grado di trasportare un segnale e di modularlo tramite un peso. Quindi su ogni neurone arriveranno molteplici segnali provenienti dalla strato precedente e da ciascuno di essi partiranno altri segnali diretti allo strato successivo.

Giuliano Armano docente del Dipartimento di Matematica e Informatica
Giuliano Armano docente del Dipartimento di Matematica e Informatica

La ricerca di Armano apre la "scatola nera" sull'addestramento delle reti neurali artificiali, consentendo importanti ricadute sul loro utilizzo

Per fare in modo che una rete neurale impari a compiere le operazioni per cui è stata definita occorre addestrarla. Concettualmente, il processo di addestramento si può riassumere facilmente: bisogna presentare ripetutamente alla rete gli ingressi di addestramento disponibili, misurare per ognuno la differenza tra l’uscita voluta e quella effettiva, e modificare di conseguenza i pesi associati alle varie connessioni, con l’obiettivo finale di ottenere un sistema completamente automatico in grado di produrre le uscite attese anche per ingressi che non siano mai stati precedentemente visti dalla rete.

Per decenni i ricercatori hanno pensato che l’interno di una rete neurale non potesse essere decifrato in alcun modo. Per capire se una rete neurale artificiale avesse appreso bene il compito per il quale era stata addestrata (ovvero avesse generalizzato correttamente) ci si è sempre basati sui risultati ottenuti in uno o più insiemi di dati di test.

Le ricerche di Armano hanno dimostrato, invece, che quando una rete neurale ha generalizzato correttamente si formano al suo interno degli schemi specifici, da lui denominati schemi di successo. Viceversa, quando la rete non è riuscita a apprendere adeguatamente si formano altri schemi specifici, questa volta però a indicare l’insuccesso.

Da un punto di vista tecnologico il risultato evidenziato dal ricercatore è stato possibile grazie alla definizione e all’uso di diagrammi ad hoc, che consentono di visualizzare l’allineamento dei vari neuroni rispetto alle uscite attese. La caratteristica principale di questi diagrammi è che negli schemi di successo i neuroni si posizionano lontano dall’asse delle ascisse. A questa regola non sfugge neppure il neurone che rappresenta l’uscita finale della rete: infatti in questo caso il neurone di uscita dovrà essere localizzato il più vicino possibile al bordo superiore del diagramma. La coincidenza con il bordo superiore significherebbe infatti che la rete si comporti come un oracolo, ovvero non sbaglia mai.

Tramite questi diagrammi è stato dunque possibile aprire finalmente la scatola nera, con potenziali ricadute di grande interesse sia dal punto di vista speculativo, sia in campo tecnologico, per gli anni a venire.

Uno dei diagrammi della ricerca di Giuliano Armano
Uno dei diagrammi della ricerca di Giuliano Armano

Links

Last news

14 April 2021

Gestione e riciclo dei rifiuti nei porti: concorso europeo a premi con l’Università capofila

Presentato lo spot del progetto nato dalla cooperazione Italia-Francia, con in prima fila i trasportisti cagliaritani guidati da Paolo Fadda. Impatti-No punta a sensibilizzare scuole superiori, start up, giovani imprese e aspiranti imprenditori sul riuso in ambito portuale. In palio premi per 48mila euro. Le iscrizioni per il Contest sono state prorogate al 14 maggio. All'interno il link per il video promozionale

12 April 2021

Sardegna in zona rossa, da lunedì 12 aprile sospese le attività didattiche in presenza

Messaggio del Rettore Francesco Mola: quanto programmato proseguirà a distanza secondo il calendario stabilito a inizio semestre. "Ci teniamo a ricordarvi che la macchina organizzativa rimarrà comunque sempre attiva - scrive il Magnifico - in modo da consentirci di ripartire con la didattica mista non appena le condizioni sanitarie lo consentiranno". Il Direttore Generale Aldo Urru ha inviato al personale una CIRCOLARE sullo SVOLGIMENTO DELL'ATTIVITA' LAVORATIVA in zona rossa

12 April 2021

Gianni Fenu è il nuovo Prorettore vicario

La nomina contenuta in un decreto firmato dal Rettore Francesco Mola. Fino a pochi giorni fa Presidente della Facoltà di Scienze, il nuovo vice del Magnifico è ordinario di Informatica, vanta più di 130 articoli su riviste internazionali ed è direttore del Centro EFIS per l’e-learning dell’Ateneo. Resterà in carica fino al 2027. RASSEGNA STAMPA

Questionnaire and social

Share on: