"La storia delle reti neurali" è un saggio divulgativo che ripercorre l'evoluzione dell'Intelligenza Artificiale, dai pionieristici modelli degli anni '40 fino all'era del Deep Learning. Un racconto fatto di entusiasmi, fallimenti e geniali intuizioni che spiegano come le macchine abbiano imparato a pensare. Indice dei capitoli Capitolo 1 — Le origini e il sogno del "cervello elettronico" Capitolo 2 — L'inverno dell'Intelligenza Artificiale Capitolo 3 — Il rinascimento e la magia della retropropagazione Capitolo 4 — L'ascesa delle macchine visive: le reti convoluzionali Capitolo 5 — L'esplosione del Deep Learning: Big Data e GPU Capitolo 6 — L'era dell'attenzione: la rivoluzione dei Transformer Capitolo 7 — L'alba dell'IA generativa e i grandi modelli linguistici Capitolo 8 — La scatola nera: etica, pregiudizi e il problema dell'allineamento Capitolo 9 — Oltre il Deep Learning: la strada verso l'Inte...
Vi è mai capitato di guardare un film al contrario e notare dettagli che vi erano sfuggiti la prima volta? Ecco, i matematici hanno trovato un’equazione che riesce a indovinare il passato meglio di quanto predica il futuro.
Immaginatevi di essere in cucina mentre preparate una frittata. Rompete le uova, le mescolate, le versate in padella. Ora, se vi venisse chiesto di predire cosa accadrà nei prossimi cinque minuti, probabilmente direste: “Ci sarà una bella frittata”. E se invece si trattasse di ricostruire gli ultimi cinque minuti, forse avreste qualche esitazione a descriverli con esattezza.
Eppure questa nuova formula matematica fa esattamente l’opposto. È come se, guardando la vostra frittata, riuscisse a dirvi non solo che tipo di uova avete usato, ma anche a che ora le avete comprate al supermercato. Inquietante? Un po’.
La cosa che rende tutto questo ancora più affascinante è che contraddice una delle nostre convinzioni più radicate sulla matematica. Siamo sempre stati abituati a pensare che le equazioni fossero come bilance perfette: se funzionano in un verso, dovrebbero funzionare anche al contrario. È un po’ come aspettarsi che un film abbia lo stesso senso sia guardato dall’inizio alla fine che viceversa.
Ma i sistemi caotici — quelli che i matematici studiano quando vogliono capire perché la vita è così imprevedibile — sembrano avere le loro regole particolari. È come se il tempo avesse una sua personalità, un modo di comportarsi non simmetrico come pensavamo.
Pensate alle previsioni del tempo: i meteorologi faticano a dirci se domani pioverà, ma sono bravissimi a spiegarci perché ieri c’è stato quel temporale improvviso. Questa nuova equazione cattura esattamente questo paradosso: il passato lascia tracce più chiare del futuro.
Reti neurali e modelli ibridi hanno dimostrato di prevedere sistemi caotici meglio nel ricostruire traiettorie passate rispetto alla predizione del futuro remoto.
Forse è per questo che ci sentiamo sempre più saggi quando guardiamo indietro. Non è solo nostalgia o esperienza; forse è proprio così che funziona l’universo: il passato è matematicamente più leggibile.
Una cosa è certa: la prossima volta che qualcuno vi dirà che la matematica è noiosa, raccontategli di questa equazione che ha scoperto di essere più brava a fare la detective che non a indovinare.