Dall’incipit della tesi:
Esiste una vasta gamma di problematiche nelle quali i convenzionali computer digitali ad architettura Von Neumann rivelano i loro limiti. Si tratta di problemi come il riconoscimento di forme, la comprensione del linguaggio naturale e la rappresentazione della conoscenza, che sono qualitativamente diversi da quelli classicamente implementabili nei computer. Ad esempio i problemi posti dal riconoscimento delle forme costituiscono un sottoinsieme dei problemi detti aleatori. Anche la classe dei cosiddetti problemi di ottimizzazione combinatoria non si presta ad una soddisfacente soluzione algoritmica se implementata nei computer tradizionali. Sia i problemi aleatori, sia quelli di ottimizzazione combinatoria sono caratterizzati da un altissimo numero di soluzioni, e il solo modo per risolverli è di ridurre drasticamente tale numero. I metodi di riduzione utilizzati sono noti come metodi euristici, e non sono applicabili in generale a tutti i problemi. I metodi euristici richiedono quasi sempre un grandissimo sforzo computazionale da parte dei calcolatori e spesso i tempi di risoluzione di un problema sono completamente inaccettabili. Da un po’ di tempo per la soluzione dei problemi ad alto numero di soluzioni ci si è rivolti ad algoritmi ed architetture completamente differenti. Molti ricercatori, provenienti da diversi settori, hanno studiato e progettato innovative macchine ad architettura parallela, emulanti l’organizzazione e le funzioni del cervello, che si sono dimostrate in grado di risolvere sia i problemi aleatori sia quelli di ottimizzazione combinatoria non alla portata dei computer attuali. Tali macchine sono comunemente chiamate reti o sistemi neurali. La loro architettura definisce i cosiddetti modelli connessionistici o modelli di elaborazione parallela distribuita (Parallel Distributed Processing – P.D.P.). Le reti neurali si basano sull’idea di realizzare un processo di computazione attraverso l’interazione di un grande numero di semplici elementi chiamati neuroni. La novità principale di tali modelli rispetto i computer tradizionali è la non necessita di programmazione. Quest’ultima viene sostituita dalla possibilità di impostare sulla rete neurale una sorta di apprendimento che può essere spontaneo o guidato attraverso esempi. L’approccio mediante reti neurali consente sia di realizzare sistemi computazionali che posseggono caratteristiche simili a quelle dei sistemi biologici, sia di impostare in modo nuovo i problemi fondamentali dell’intelligenza artificiale. La teoria delle reti neurali si propone anche di riorganizzare i rapporti tra lo studio astratto e formale delle funzioni mentali (scienza cognitiva), e quello concreto del cervello visto come una macchina fisica (neuroscienze).
Relatore Prof. Stefano Micciancio, anno accademico 1988/89, Università degli Studi di Palermo, Facoltà di Scienze, corso di laurea in Fisica.
818 KB
