Comprensione delle reti di memoria a lungo termine
Un uomo e una donna parlano in una stanza tranquilla di un centro di ricerca clinica. La donna fa domande e poi aspetta che l'uomo risponda mentre prende appunti. Potrebbe sembrare una conversazione normale. Eppure è tutt’altro che ordinario. All'interno del taccuino della donna, le risposte dell'uomo sono sempre le stesse indipendentemente dalla data scritta su ogni pagina. Sebbene le conversazioni abbiano luogo negli anni '80, le risposte si riferivano a fatti accaduti più di 10 anni prima. Jenni Ogden fu uno dei primi ricercatori a parlare con il paziente HM che, anni dopo, divenne ampiamente noto per il suo impatto sulla neuropsicologia e sarebbe stato finalmente chiamato con il suo vero nome Henry Molaison. Dopo anni di interviste e test, i ricercatori hanno concluso che Henry aveva perso la capacità di generare nuovi ricordi a causa di una procedura di lobotomia subita quando aveva 27 anni. Il caso di Henry ha contribuito a comprendere meglio la connessione tra la funzione cerebrale e la memoria e a coniare il concetto di memoria a breve e lungo termine. Questo concetto ha aperto la strada a ricerche rivoluzionarie nel campo dell’apprendimento automatico in cui scienziati e sviluppatori cercano di trovare nei misteriosi meccanismi interni del cervello un modo migliore per costruire modelli predittivi.
Reti neurali artificiali (RNA) sono stati ispirati da reti neurali reali che funzionano nel nostro cervello. In realtà, le ANN sono solo un’astrazione di come pensiamo che i neuroni reali si connettano e di come spieghiamo situazioni come quella descritta nel paragrafo precedente. Simile a processi come ottimizzazione delle colonie di formiche, evoluzione differenziale E sciame di particelleLe ANN catturano l’essenza di un processo della vita reale e la utilizzano per progettare algoritmi che sono alla base della maggior parte delle soluzioni di intelligenza artificiale oggigiorno. La discussione se le ANN imparare davvero o se ciò che fanno debba essere chiamato intelligenza sia ampio e continuo. Tuttavia, la loro versatilità e potenza sono innegabili. Ogni giorno vengono sviluppate nuove configurazioni ANN e applicate con successo a molti problemi. La maggior parte di queste variazioni si ispirano ancora al comportamento delle reti neurali reali.
Reti neurali ricorrenti (RNN) incorporano una componente di “memoria” per elaborare sequenze che, anni fa, rappresentavano un approccio importante all'elaborazione del linguaggio naturale (PNL)…
Fonte: towardsdatascience.com
