Sistemi e metodi dell’apprendimento artificiale (Tecniche di Machine Learning)

Gli esseri umani, insieme ad altri esseri viventi, sono in grado di apprendere, ovvero modificare il proprio comportamento in base all’esperienza. In un’ottica evoluzionistica, per un essere vivente riuscire a modificare il proprio comportamento in base all’esperienza è uno dei fattori chiave dell’adattamento e della sopravvivenza. Non stupisce quindi, nel dibattito sull’IA, l’interesse rivolto alla possibilità di sviluppare macchine in grado di migliorare le loro performance con l’esperienza.

L’insegnamento, dopo una breve rassegna sui vari approcci del machine learning, verterà sull’approfondimento delle reti neuronali artificiali. Dalle componenti del neurone biologico/artificiale si passerà alle caratteristiche delle reti di neuroni e alla loro capacità computazionale. L’apprendimento in una rete neurale può essere implementato attraverso algoritmi supervisionati e non supervisionati. Verranno presi in considerazione entrambe le tipologie e verranno approfondite metaeuristiche come gli algoritmi genetici, strumenti molto utili per il machine learning sia per il versante applicativo sia per la ricerca di base.