Per gli appassionati di fantascienza è stato chiaro per decenni che l'intelligenza artificiale un giorno raggiungerà vette inimmaginabili. Attualmente, il Deep Learning è uno dei metodi centrali per il progresso.
Visionario o rischioso? Nel Deep Learning, si suppone che le intelligenze artificiali migliorino da sole.
Più l'IA avanza, più ci sono critiche giustificate, soprattutto per quanto riguarda le misure precauzionali. Con il Deep Learning, diventa chiaro dove potrebbero trovarsi i rischi.
Deep Learning: The Human Brain as a Template
Deep Learning è un sottocampo dell'apprendimento automatico, noto anche come Machine Learning.
- Deep Learning usa le reti neurali, come funzionano anche nel cervello umano.
- Il metodo di conseguenza cerca di imitare il cervello il meglio possibile nella speranza di essere in grado di capire meglio e mappare il suo funzionamento.
- Come obiettivo del Deep Learning, l'IA dovrebbe essere in grado di prendere le proprie decisioni in base alle informazioni disponibili. L'IA ottiene così la propria capacità di pensare, che è un elemento chiave della "vera intelligenza".
- Questo include anche il collegamento significativo di informazioni diverse. Quanto sia effettivamente significativo il risultato, l'IA può successivamente valutare se stessa al fine di trarre conclusioni per il futuro.
- Nel corso del processo, si formano sempre più neuroni e si creano ulteriori strati - il termine "Deep" deriva da questa profondità.
Per il Deep Learning, si suppone che i sistemi IA diventino autonomi e migliorino ulteriormente in questo modo. Questa è anche un'importante distinzione dall'apprendimento automatico, poiché gli esseri umani sono più coinvolti, per esempio nel controllo dei processi decisionali. Nel Deep Learning, gli umani assumono più un ruolo di osservatore e forniscono le condizioni quadro; lo sviluppo effettivo è lasciato alla macchina stessa, e questo rende l'argomento particolarmente eccitante.