Il Deep Learning, noto anche come apprendimento strutturato profondo o apprendimento gerarchico,  è una forma di apprendimento automatico che si basa su algoritmi che imparano a svolgere compiti analizzando grandi quantità di dati. Esso, dunque, è una sottocategoria del Machine Learning, la forma più popolare di Intelligenza Artificiale.

Utilizzando i dati, le macchine imparano e si migliorano, imitando il processo di apprendimento umano.

Apprendimento automatico e Big Data

Il concetto di deep learning è strettamente legato a quello di Big Data e, infatti, non è un caso che le lo sviluppo delle tecniche di apprendimento profondo sia stato considerevole negli ultimi 20 anni, in concomitanza con lo sviluppo altrettanto esponenziale delle informazioni a livello globale con i Big Data.

Le reti neurali artificiali

Gli algoritmi alla base del deep learning sono ispirati alla struttura e alla funzione del cervello e sono definiti, infatti, reti neurali artificiali. Attraverso le reti neurali artificiali vengono simulati i processi di apprendimento del cervello biologico e, così facendo, si insegna alle macchine non solo ad apprendere autonomamente ma anche a farlo su più livelli.

Le reti neurali utilizzate nel deep learning sono costituite da una serie di strati, i quali consentono alla macchina di seguire un percorso di apprendimento complesso e approfondito. Ogni livello, infatti, genera una conoscenza che serve per il livello successivo, un processo che si ripete fino a raggiungere la complessità richiesta dal progetto. 

Gli strati intermedi sono collegati tra loro e quindi ogni alterazione provoca una serie di cambiamenti in tutta la rete neurale. Rispetto al machine learning convenzionale l’apprendimento approfondito si differenzia dunque per il numero elevato di livelli di astrazione, la capacità computazionale necessaria, la quantità di dati da fornire alla macchina e la complessità degli algoritmi adoperati per l’apprendimento.

Deep learning: applicazioni

Le prestazioni rese attraverso l’uso di  reti neurali artificiali superano in molti casi le prestazioni umane. Per questo, il deep learning è un approccio sempre più utilizzato per tutta una serie di scopi tra cui l’addestramento delle macchine a guida autonoma, la robotica industriale e la ricerca medico-scientifica. 

Tra le applicazioni del deep learning una branca molto attiva è legata alle tecnologie per la comprensione del linguaggio naturale, utilizzate per vari scopi come lo sviluppo di voice assistant evoluti, di programmi in grado di scrivere dei testi o rispondere alla domande non in modo meccanico ma dialogando. Inoltre ci sono i sistemi che riconoscono dalle immagini statiche e dinamiche (foto e video) espressioni facciali e comportamenti sospetti, come avviene in Cina con le tecnologie di intelligenza artificiale usate per la sicurezza pubblica.