Тёмный
No video :(

Deep Learning 

GiovedìScienza
Подписаться 20 тыс.
Просмотров 27 тыс.
50% 1

GiovedìScienza - 31esima Edizione
"Deep Learning - Dalle reti neurali artificiali alla "vera" intelligenza artificiale"
Con Riccardo Zecchina, DISAT - Dipartimento di Scienza Applicata e Tecnologia, Politecnico di Torino.
Modera Piero Bianucci, scrittore e giornalista scientifico.
GiovedìScienza 9 marzo 2017
Dalle reti neurali artificiali all’intelligenza artificiale, una nuova avventura sta rendendo le macchine capaci di prestazioni sempre più simili a quelle umane nel campo dell’apprendimento automatico, ovvero l’estrazione di informazioni anche molto complesse a partire da dati non organizzati.
Esempi rappresentativi in cui le macchine raggiungono prestazioni “umane” sono il riconoscimento di immagini e del parlato, l’apprendimento di strategie in giochi anche molto complessi e l’analisi dati nella medicina di precisione.
Nonostante gli enormi progressi nelle applicazioni, siamo ancora lontani dal modo di apprendere degli umani e degli animali ma poco per volta le macchine stanno "imparando a imparare": i sistemi cognitivi artificiali andranno oltre quelli neurali basati su “deep learning”, verso la "human-like intelligence".
Seguici anche su:
👉🏽 Sito www.giovediscienza.it
👉🏽 Facebook / lascienzaindiretta
👉🏽 Instagram / giovediscienza
👉🏽 Twitter / giovediscienza
👉🏽 Linkedin bit.ly/3LKPLv0
#GiovedìScienza #GS31

Опубликовано:

 

22 авг 2024

Поделиться:

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист
Посмотреть позже
Комментарии : 25   
@angelomiccinilli9181
@angelomiccinilli9181 4 года назад
alla legittima domanda , da parte dello spettatore , su come potesse la macchina , interiorizzare il senso umano di rischio del proprio denaro e anche dell'orgoglio, potrei azzardare una risposta : nel meccanismo di "apprendimento supervisionato" il 100% dei dati completi che formeranno i " dati di addestramento " vengono inizialmente divisi in due blocchi , uno circa 80% verrà utilizzato per l'addestramento e la modifica successiva dei pesi e bias dei neuroni , fino ad ottenere risultati soddisfacenti di risposte corrette del modello voluto , poi il rimanente 20% dei dati non utilizzati ed " opportunamente nascosti anche al programmatore " verranno usati come " dati di validazione " dell'apprendimento della rete dopo l'addestramento. è ovvio che l'umano tramite i dati di addestramento da lui forniti alla rete e in modo migliore se vissuti come esperienza in prima persona , contengono all'interno le strategie computazionali ed emotive del soggetto che addestra la rete , per cui dipende esclusivamente da chi addestra e come addestra la rete , in quanto le reti neurali sono probabilistiche e non deterministiche quindi assumere qualsiasi combinazione di stati possibili
@davideturotti2968
@davideturotti2968 7 лет назад
molto interessante grazie
@mariofrontini4104
@mariofrontini4104 3 года назад
Molto interessante e ben spiegato
@LorenzoCrippa76
@LorenzoCrippa76 6 лет назад
Interessante e ben presentato
@cristiandicesarea1307
@cristiandicesarea1307 4 года назад
Davvero molto coinvolgente
@AntonioProce
@AntonioProce 7 лет назад
molto innovativo grazie
@antolepore
@antolepore 6 лет назад
Che succede al minuto 26 con i quadri ?
@LoYakRosso
@LoYakRosso 5 лет назад
ha messo una foto nel softwere che riproduce stili dei pittori utilizzando deep learning
@antolepore
@antolepore 6 лет назад
Non è proprio così ... le GPU sono state create perchè andavano create ... poi gli scienziati sono arrivati a capire anche loro come usarle mentre i gamer e le software house dei titoli AAA pensavano a fare altri titoli da vendere ... e a giocarli
@davidesliepcevich1025
@davidesliepcevich1025 7 лет назад
Like per il dissing a renzi
@antolepore
@antolepore 6 лет назад
chi ci dice che l'esempio del pong è vero ?
Далее
Девочки, у вас тоже так? 💅🏻✨
00:17
GEOMETRIC DEEP LEARNING BLUEPRINT
3:33:23
Просмотров 177 тыс.
L’Italia in riserva con Mario Tozzi
1:03:05
Esperto di IA Spiega Cos'è e Come Funziona CHATGPT
1:17:33
This is why Deep Learning is really weird.
2:06:38
Просмотров 382 тыс.