// ANSA CRONACA — CRONACA
>>>ANSA/Svelato come l'Intelligenza artificiale impari dai dati
(di Francesco De Filippo)
Un team di 5 ricercatori del
Centro internazionale di fisica teorica Abdus Salam (ICTP),
guidato da Jean Barbier, ha svelato come l'Intelligenza
Artificiale impari dai dati, risolvendo un problema teorico
aperto da decenni e spiegando come le reti neurali profonde
estraggano le informazioni più importanti dai dati, facendo luce
sui processi fondamentali alla base dell'IA. La scoperta apre la
strada a sistemi di IA più efficienti e meno costosi. Lo studio
è stato pubblicato su Physical Review X.
L'IA è estremamente efficiente nell'elaborare gran quantità
di dati ed estrarne le caratteristiche chiave ma non si
comprendeva come gli algoritmi e le cosiddette "deep neural
networks" (reti neurali profonde), riuscissero ad apprendere in
modo così efficace dai dati loro forniti.
"Il problema che abbiamo risolto era un ostacolo su cui la
comunità scientifica era bloccata da decenni - spiega Barbier -
Il quadro teorico che abbiamo sviluppato è la chiave che ci
mancava per comprendere come funzionano le reti neurali
complesse alla base delle applicazioni odierne".
Nodo principale era capire il "feature learning" o
"apprendimento delle caratteristiche", proprietà che rende le
reti neurali strumenti capaci di generalizzare le informazioni
anche al di là del set di dati iniziale usato nella fase di
apprendimento e che consiste nell'estrarne le informazioni
chiave. Per caratterizzare la capacità delle reti neurali di
riconoscere dei pattern nei dati complessi, per oltre 40 anni i
fisici hanno fatto uso della fisica statistica, che studia
sistemi costituiti da un grande numero di elementi. Questi
strumenti teorici però erano insufficienti e consideravano solo
reti neurali troppo semplici, come spiega Francesco Camilli, uno
degli autori dello studio, professore associato all'Università
di Bologna. In questo caso i ricercatori hanno unito la teoria
dei sistemi disordinati alla teoria delle matrici casuali, che
descrive il comportamento statistico dei sistemi di grandi
dimensioni, elaborando una descrizione del processo di
apprendimento. Barbier e i suoi hanno applicato la loro teoria a
un tipo di rete neurale, il percettrone multistrato, componente
fondamentale dei modelli alla base dei moderni chatbot,
prevedendo con precisione come le prestazioni di una rete
neurale profonda evolvano in funzione della quantità di dati in
ingresso e comprendendone i meccanismi di apprendimento. Questo
processo è direzionale e si propaga dagli strati interni a
quelli esterni (più profondi) della rete neurale. Questi
risultati sono l'obiettivo che Barbier si era prefissato per il
suo progetto quinquennale CHORAL (Computational Hardness Of
RepresentAtion Learning), finanziato dall'ERC e avviato nel
2021. Ora il team intende applicare gli strumenti teorici
sviluppati a reti neurali come quelle dell'IA generativa.
>>>ANSA/Svelato come l'Intelligenza artificiale impari dai dati
TRIESTE,
02 settembre 2026, 17:56
Veloci, dettagliate, verificate. Nella tua casella mail.
Certificazione ISO 9001 I “processi di Produzione, distribuzione e pubblicazione di notizie giornalistiche in formato multimediale, servizi di informazione e comunicazione giornalistica” ANSA sono certificati in alla normativa internazionale UNI ENI ISO 9001:2015.
Certificazione UNI PdR 125:2022 Misure per garantire la parità di genere nel contesto lavorativo relativo alla produzione, distribuzione e pubblicazione di notizie giornalistiche in formato multimediale, servizi di informazione e comunicazione giornalistica.