Reti neurali e memoria dinamica per un computer

Fonte: Le Scienze13 ottobre 2016Un nuovo computer che combina le reti neuralie un'architettura della memoria tipica deicomputer convenzionali è in grado di imparareda esempi o per tentativi ed errori, e ancheeseguire complesse elaborazioni, due capacitàche finora sembravano alternative(red)computer scienceUn computer che coniuga la capacità di apprendimento delle reti neurali e l'efficienza e la flessibilitàdi calcolo dei normali computer digitali è statorealizzato per la prima volta da ricercatori diGoogle DeepMind - l'azienda informaticabritannica DeepMind acquistata da Googlenel 2014 - che ne descrivono le caratteristichein un articolo pubblicato su "Nature".I computer convenzionali sono in grado dielaborare forme complesse di dati, ma richiedonouna puntuale programmazione manuale pereseguire queste attività.Le reti neurali artificiali sono state sviluppateper mimare la capacità di apprendimento delcervello grazie all'identificazione, a partire dauna serie di esempi, di specifici modelli nei dati:invece di essere programmata una rete neuraleè addestrata, per esempio a riconoscere oggetti o facce.Finora lo sviluppo di queste due architetturecomputazionali ha viaggiato su due strade bendistinte, a causa di una radicale differenzanell'organizzazione della loro memoria.L'efficienza del nuovo computer è stata testatacontrollandone la capacità di orientarsi nellametropolitana di Londra.(Macdiarmid/Getty Images)I computer convenzionali separano il calcolo e la memoria.I calcoli sono eseguiti da un processore, che puòsfruttare una memoria indirizzabile per portare idiversi valori da usare nell'area di lavoro e poiricollocarli nello spazio di memoria.Questa soluzione offre due vantaggi: da un latola memoria può essere estesa a piacimento perinserire nuove informazioni, e dall'altro i suoi contenuti possono essere trattati come variabili.Per eseguire una stessa elaborazione su un datoo su un altro diverso, è sufficiente cambiarel'indirizzo di memoria del dato da trattare.In una rete neurale artificiale, invece, le risorsecomputazionali e quelle di memoria sono mescolatel'una all'altra dall'attribuzione del "peso" che la retedà a ciascun dato mentre tenta di identificareschemi nell'insieme di informazioni ricevute.Questo rende le reti neurali adatte a simularele capacità di apprendimento umane, ma nonpermette un'archiviazione dinamica, indipendentedallo stato della rete, di nuove informazioni e,dunque di eseguire algoritmi che agiscono allostesso modo indipendentemente dai valoridelle variabili usate.Ora Alex Graves, e colleghi sono riusciti asviluppare quello che hanno chiamato computerneurale differenziabile (DNC), che coniuga lacapacità di imparare da esempi o per tentativied errori, e una struttura di memoria esternasimile a quella di un computer convenzionale.I ricercatori hanno mostrato che DNC "comprende"bene complesse strutture grafiche come gli alberigenealogici o filogenetici, o le reti di trasporto,riuscendo, per esempio, a pianificare il percorsomigliore sulla metropolitana di Londra senza averepreventivamente una conoscenza di quella rete ditrasporto.