Reti neuronali o reti neurali artificiali

Ma esiste un approccio alla simulazione della risoluzione computazionale dei problemi più diversi, un approccio che trae ispirazione non dal modo con cui funziona o con cui crediamo che funzioni la nostra mente, ma dal modo col quale funziona il cervello concepito come una rete di neuroni. L’idea è quella di costruire una rete di neuroni artificiali connessi fra di loro secondo certi schemi e di cercare di far compiere a questa rete certe operazioni e di farle superare certe prove. Le reti prendono il nome di reti neuronali o reti neurali artificiali, per distinguerle da quelle naturali, e la disciplina che ne studia il comportamento prende il nome di connessionismo o semplicemente studio delle reti neurali.

La rete consiste di un certo numero di connessioni che legano fra di loro delle unità operative elementari dette anche neuroni. In questo particolare contesto un neurone viene definito come un nodo della rete a cui arrivano certi segnali, che possono essere continui o discreti, e da cui ne partono altri secondo una relazione predeterminata ma modificabile.

Ogni neurone si trova in un certo stato prima dell’arrivo dei segnali d’ingresso e cambia il suo stato in conseguenza di questi. Ogni neurone applica pure delle correzioni, positive o negative, chiamate pesi, ai vari segnali d’ingresso: può ad esempio moltiplicare un segnale per 0,4 e un altro per -2,3.

I vari pesi non sono fissi ma possono essere variati da un ciclo di operazioni all’altro. Il neurone elabora la risultante dei vari segnali d’ingresso opportunamente «pesati» e su tale base cambia il proprio stato ed emette un segnale in uscita che arriverà poi a un certo numero di altri neuroni. E chiaro che le unità di queste reti hanno qualcosa in comune con i neuroni naturali capaci di ricevere segnali nervosi da altri neuroni, integrarli e rinviarli ad altri neuroni ancora. I pesi applicati ai vari segnali d’ingresso corrispondono alla forza dei vari contatti sinaptici che giungono a un vero neurone. Nella versione più semplice i vari neuroni di una rete sono raggruppati in strati, in modo che ogni neurone sia in comunicazione con ogni altro neurone appartenente allo strato immediatamente successivo, ma non con quelli del proprio strato. La configurazione più semplice prevede solo due strati: uno d’ingresso e uno d’uscita.

Configurazioni più avanzate prevedono uno o più strati intermedi contenenti le cosiddette unità nascoste. A questo semplice circuito sono applicati dei segnali d’ingresso e se ne registrano i segnali in uscita. Nella sua concezione iniziale tale configurazione voleva essere un’imitazione di un circuito neuronale reale, ma in seguito non si è insistito troppo su questo aspetto.

Ebbene, reti del genere sono in grado di compiere diverse operazioni e sono capaci di imparare. Occorre ovviamente un periodo di addestramento.