“Un sistema Al viene fornito con dati di addestramento – un cosiddetto corpus o set di dati – che utilizza per addestrare fino a quando non è in grado di prendere decisioni su questa base. L’addestramento viene eseguito con l’IA che tenta di riconoscere i modelli. Al, quindi, impara dagli esempi ed è in grado di generalizzarli dopo il completamento della fase di apprendimento”, spiega Michael Hirschbrich, imprenditore digitale di successo internazionale. esperto di digitalizzazione. e membro del consiglio di Politica! Accademia, durante il simposio su “Intelligenza Artificiale e Democrazia, organizzato da Politica! Academy in collaborazione con il Wilfried Martens Center for European Studies.
“Che si voglia insegnare alle macchine come imparare per prevedere le domande sul futuro in modo più accurato è stato oggetto di discussione sin dagli anni ’50. Un fattore decisivo è che negli ultimi anni c’è stato un massiccio aumento delle prestazioni dei computer e del volume di dati. Ciò ha anche portato a un rapido aumento delle potenziali possibilità di addestramento dell’intelligenza artificiale. Una crescita quasi esponenziale è stata osservata nelle applicazioni Al. Ad esempio, questo vale per il deep learning, un dominio speciale dell’intelligenza artificiale in cui sono impiegate le reti neuronali. Sono modellati sul cervello umano e disposti a strati. Una decisione sta alla fine dei processi di impulso neuronale.
In questo contesto, la mia definizione di intelligenza artificiale è la seguente: l’intelligenza artificiale utilizza i dati di un’area specifica per addestrare la capacità delle macchine di prendere decisioni autonome.
Uno degli esempi più noti per spiegare di cosa è capace Al è quello del riconoscimento di cani e gatti. La sfida sta nell’insegnare all’IA come differenziare i gatti dai cani. Oltre agli algoritmi. è necessario un vasto numero di immagini dei due animali. Prima di tutto, il computer deve sapere cos’è un cane o un gatto perché non ne ha idea. Per realizzare questo. descriviamo le immagini per il computer. Diciamo al computer: L’immagine che stai guardando proprio ora è di un gatto. E l’immagine che stai guardando ora è di un cane.
L’etichettatura è il nome dato a questo processo. il che è estremamente complicato nella pratica. L’etichettatura rende le decisioni umane tangibili ed elaborabili per il computer. Molti istituti ed esperti in tutto il mondo stanno studiando l’etichettatura oggi: annotano decisioni umane strutturate e tentano di trasmetterle alle macchine.
Ora, quando una macchina viene alimentata con immagini di cani e gatti e addestrata attraverso l’apprendimento automatico o con reti neuronali [deep learning]. può determinare se una nuova immagine mostra un gatto o un cane in base ai modelli che ha appreso. L’intelligenza artificiale è persino in grado di indicare perché ha preso la sua decisione con probabilità concreta.
Qui il rapporto completo: https://www.martenscentre.eu/publication/artificial-intelligence-and-democracy/
Leggi le ultime news su: https://w3b.today
Può interessarti anche: AI: possono esserci interessi specifici nella programmazione e raccolta dei dati?
Seguici su Telegram https://t.me/presskit
