Post

Visualizzazione dei post con l'etichetta Corso di Reti Neurali per il Machine Learning: 1 Architettura delle reti neurali

CHI HA PAURA DELL’INTELLIGENZA ARTIFICIALE?

Immagine
  CHI HA PAURA DELL’INTELLIGENZA ARTIFICIALE? DAL SOFTWARE GENERATIVO AGLI AGENTI, DALLA MEDICINA ALLA ROBOTICA: CHE COSA L’AI SA GIÀ FARE, DOVE STA ANDANDO E QUALI RISCHI DOBBIAMO PRENDERE SUL SERIO Ogni tecnologia realmente trasformativa produce due errori speculari. Il primo consiste nel sottovalutarla, considerandola una moda destinata a rientrare. Il secondo consiste nel sopravvalutarla, attribuendole capacità che ancora non possiede e trasformando una tecnologia in una mitologia. Nel 2026 l’intelligenza artificiale si trova esattamente fra questi due estremi. Non è più ragionevole descriverla come un semplice chatbot evoluto; è altrettanto poco ragionevole presentarla come una mente universale prossima a sostituire l’essere umano in ogni attività. La questione interessante, per chi lavora nell’informatica, nella ricerca, nell’impresa o nelle professioni ad alta intensità di conoscenza, non è dunque stabilire se essere ottimisti o pessimisti. È capire che cosa stia realmente c...

Corso di Reti Neurali per il Machine Learning: 1 Architettura delle reti neurali

Immagine
Architettura delle Reti Neurali 🧠 1. Il Neurone Artificiale e le Funzioni di Attivazione Il neurone artificiale riceve input ( x ), li moltiplica per pesi ( w ), aggiunge un bias ( b ) e applica una funzione di attivazione : y = f(∑(xᵢ * wᵢ) + b) Funzioni di attivazione comuni: 🔹 ReLU → f(x) = max(0,x) 🔹 Sigmoide → Classificazione binaria 🔹 Tanh → Utilizzata in RNN 🔹 Softmax → Classificazione multiclasse 🏗️ 2. Architettura a Strati e Tipi di Reti Ogni rete è composta da uno strato di input, uno o più strati nascosti e uno strato di output. Tipi principali: 🧱 Perceptron – rete semplice, un solo strato 🧠 MLP – rete profonda con più strati 🖼️ CNN – per immagini (strati convoluzionali) 🎵 RNN – per testi, audio e sequenze 🌐 Transformer – per NLP e LLM (es. GPT) ⚙️ 3. Pesi, Bias e Grafo Computazionale ⚖️ Pesi: numeri appresi dal modello ➕ Bias: costanti per i neuroni 🔁 Backp...

Post popolari in questo blog

Corso di Programmazione Strutturata e OOP: 3 Ereditarietà incapsulamento polimorfismo

Corso di CSS & Web Design: 3 – Box Model e spaziature

Corso di HTML: 11 Sviluppo completo di un sito