Le reti neurali: come funzionano davvero

Un’orchestra di calcolatori minuscoli

Dimentica il cervello elettronico dei film. Una rete neurale è qualcosa di più umile e più sorprendente: migliaia di unità di calcolo semplicissime, collegate tra loro a strati da milioni (nei modelli moderni, miliardi) di connessioni pesate. Come spiega il MIT, ogni nodo fa una cosa sola: riceve numeri dai collegamenti in ingresso, li moltiplica per i rispettivi pesi, somma tutto e confronta il risultato con una soglia. Sopra la soglia, il nodo “si accende” e passa il segnale allo strato successivo; sotto, tace.

Nessuna di queste unità sa niente. L’intelligenza — se vogliamo chiamarla così — sta tutta nei pesi: milioni, oggi miliardi, di manopole che decidono quanto conta ogni collegamento.

L’addestramento: regolare le manopole

Ecco il punto che sorprende chiunque lo scopra: all’inizio i pesi sono numeri casuali. La rete appena nata non sa fare letteralmente nulla.

Poi comincia lo studio. Le si mostra un esempio — una foto etichettata “gatto” — e si guarda cosa esce dall’ultimo strato. Risposta sbagliata? Un algoritmo di correzione ritocca i pesi, appena appena, nella direzione che avrebbe reso la risposta meno sbagliata. Si ripete con il secondo esempio, il millesimo, il milionesimo. A furia di micro-ritocchi, la rete arriva a dare con costanza risposte giuste anche su input mai visti.

Esempio pratico: è come accordare a orecchio uno strumento con mille corde. Suoni una nota di prova, senti che stona, giri leggermente le chiavette che c’entrano di più, riprovi. Dopo milioni di prove lo strumento suona — anche se nessuno ha mai scritto lo spartito dell’accordatura.

Perché “profonde”: il potere degli strati

Con pochi strati una rete impara relazioni semplici. Il salto di qualità arriva quando gli strati diventano tanti — è il significato di deep in deep learning. In una rete per immagini, i primi strati imparano a cogliere bordi e contrasti; quelli intermedi combinano i bordi in forme; gli ultimi combinano le forme in oggetti. Questa gerarchia di astrazioni non la progetta nessuno: emerge da sola dall’addestramento.

È lo stesso principio che, applicato al testo su scala colossale, produce i modelli dietro l’IA generativa: GPT-3 è una rete da 175 miliardi di pesi. Le manopole si sono moltiplicate a dismisura; il principio è rimasto quello del 1957.

Una storia a montagne russe

Già, il 1957: le reti neurali sono tutt’altro che nuove. La teoria nasce nel 1944 con Warren McCullough e Walter Pitts; nel 1957 Frank Rosenblatt presenta il Perceptron, la prima rete addestrabile. Poi una critica influente (Minsky e Papert, 1969) congela i finanziamenti per anni; gli anni Ottanta portano una rinascita, gli anni Duemila un nuovo inverno a favore di altri metodi.

La svolta definitiva arriva con le GPU, le schede grafiche: nate per i videogiochi, si rivelano perfette per i miliardi di moltiplicazioni parallele dell’addestramento. Da lì, reti a decine di strati, dati su scala di internet, e il deep learning che esce dai laboratori per entrare nei telefoni.

Per collocare il pezzo nel puzzle: le reti neurali sono il motore più potente del machine learning, e quello che una rete esegue resta un algoritmo, con tutti i suoi passi ben definiti. La rete non sa di essere intelligente. Esegue, e questo le basta.