Rete neurale per il riconoscimento dei modelli

Come ha detto Margaret Heffernan: "Gran parte della creatività si basa sul riconoscimento di schemi, e ciò che serve per discernere gli schemi sono tonnellate di dati. La vostra mente raccoglie questi dati prendendo nota di dettagli casuali e anomalie facilmente riscontrabili ogni giorno: stranezze e cambiamenti che, alla fine, si sommano a intuizioni". Il riconoscimento dei modelli ci aiuta a identificare quasi tutto nella vita quotidiana. Non solo è un fenomeno naturale per gli esseri viventi, ma è anche un aspetto importante per l'intelligenza artificiale. È la chiave per lo sviluppo in tutti i campi, come la diagnosi medica (ECG), la tecnologia (riconoscimento dei volti, delle impronte digitali, scansione della retina), la difesa (riconoscimento automatico di bersagli come le bombe a guida laser e la segmentazione e l'analisi delle immagini dalle riprese aeree) ecc. Esistono varie metodologie per il riconoscimento dei modelli, come la corrispondenza dei modelli, l'approccio statistico, ecc. ma si dice che il processo naturale può essere raggiunto al meglio imitando la natura. È così? La rete neurale è migliore di altri approcci?

Ayan Mukherjee è uno studioso di ricerca e uno specialista di prodotto in un'azienda IT con esperienza in campi quali l'automazione dell'interazione computer-utente, l'intelligenza artificiale e il PEGA basato su UML e il clustering basato su pattern. Ha anche esperienza nell'analisi di varie interazioni digitali basate su modelli industriali. Attualmente ha più di 4 anni di esperienza industriale.