LOGIN
In Breve (TL;DR)
- Geoffrey Hinton, vincitore del Premio Nobel per la Fisica 2024, è considerato il "padrino" dell'intelligenza artificiale per il suo contributo allo sviluppo delle reti neurali artificiali, incluso il progetto rivoluzionario AlexNet.
- Hinton ha gettato le basi per il deep learning, un’area del machine learning che utilizza reti neurali multistrato, con applicazioni che spaziano dalla finanza al riconoscimento facciale.
- Il premio riconosce le scoperte fondamentali che hanno rivoluzionato la scienza e la tecnologia, affermando Hinton come una figura centrale nell’evoluzione dell’AI moderna.
Geoffrey Hinton, insignito del Premio Nobel per la Fisica 2024, è considerato non solo un grandissimo esperto, ma una specie di padre fondatore delle reti neurali artificiali e, per certi versi, dell’intelligenza artificiale stessa.
Dopo la Laurea in Psicologia Sperimentale in Inghilterra, Hinton ha girato il mondo, portando avanti le sue ricerche sull’AI in un periodo storico in cui i fondi erano tutt’altro che scontati.
Uno dei suoi più grandi successi internazionali arriva nel 2012 con la rete neurale convoluzionale AlexNet, che ridefinì gli standard di accuratezza di una macchina nell’ambito del riconoscimento delle immagini.
Oggi viene celebrato e ricordato non solo per i risultati ottenuti sul campo, ma anche per il grandissimo contributo che ha dato, in oltre 50 anni di carriera, allo sviluppo di certe discipline dell’IA.
In che modo l’AI utilizza le reti neurali
Shutterstock
Prima di entrare nel merito della biografia di Geoffrey Hinton, è sicuramente utile spiegare brevemente in che modo oggi le reti neurali contribuiscono ad alimentare gli strumenti di intelligenza artificiale.
Una descrizione formalmente corretta di rete neurale potrebbe parlare di un modello di calcolo matematico o informatico che si basa sulle reti neurali biologiche: dunque una rete neurale può essere considerata una via di mezzo tra un metodo e una tecnologia, che si ispira al funzionamento del cervello degli esseri umani e viene utilizzata nei diversi processi di deep learning e apprendimento automatico.
L’apprendimento automatico in ambito AI può essere considerato una variante avanzata della programmazione: da una parte permette alla macchina di apprendere a partire da input, ma dall’altra garantisce l’apprendimento senza che ci sia un’istruzione esplicita.
Oggi i diversi strumenti di intelligenza artificiale sono dotati di reti neurali sempre più complesse, che possono venire realizzate sia in un’ottica software, che attraverso hardware dedicati.
Quali sono stati gli studi e le ricerche più importanti di Geoffrey Hinton
Shutterstock
Geoffrey Hinton nasce nel 1947 a Londra, più precisamente nel quartiere di Wimbledon. Si forma al prestigioso King’s College di Cambridge, ottenendo il Bachelor of Arts inPsicologia Sperimentale negli anni ’70.
Dopodiché intraprende un percorso di specializzazione presso l’Università di Edimburgo, dove inizia ad approfondire i temi dell’intelligenza artificiale, lavorando a stretto contatto con un altro pioniere dell’AI quale Christopher Longuet-Higgins.
Oggi gli studi e gli investimenti a tema AI sono in crescita costante, me oltre mezzo secolo fa reperire i fondi necessari era molto più complesso. Non sorprende dunque che Hinton abbia dovuto muoversi prima verso gli Stati Uniti e poi verso il Canada per poter portare avanti le sue ricerche.
Durante un periodo di lavoro in Pennsylvania presso l’Università Carnegie Mellon, Geoffrey Hinton consegue risultati impressionanti per il periodo storico, applicando la retropropagazione dell’errore alle reti neurali artificiali.
Geoffrey Hinton si laurea in Inghilterra Psicologia Sperimentale, per poi iniziare a specializzarsi in intelligenza artificiale e reti neurali tra gli Stati Uniti e il Canada.
Per ammissione dello stesso Hinton, l’intuizione iniziale sarebbe stata del suo ex collega David Rumelhart e diede il La all’idea di ricorrere a un metodo non troppo diverso da quello applicato in precedenza da Seppo Linnainmaa in tecniche di apprendimento automatico.
Uno dei risultati più noti e apprezzati di tutta la carriera di Geoffrey Hinton è la rete neurale convoluzionale (o CNN) AlexNet, realizzata nel 2012 in collaborazione con due dottorandi di nome Alex Krizhevsky e Ilya Sutskever, futuro cofondatore di OpenAI.
AlexNet ottenne importanti riconoscimenti internazionali per gli ottimi risultati ottenuti in termini di classificazione delle immagini e ancora oggi viene ricordata come una vera e propria pietra miliare della visione artificiale.
La CNN venne iscritta alla competizione ImageNet e stracciò i record precedenti fatti segnare da sistemi informatici per il riconoscimento delle immagini. Basti pensare che il precedente record, datato 2010, aveva certificato un tasso di accuratezza del 71,7% e che AlexNet raggiunse un tasso di accuratezza dell’84,7%.
La “creatura” di Geoffrey Hinton è composta da cinque livelli convoluzionali e da tre livelli completamente connessi. La sua architettura è considerata un’evoluzione di una precedente CNN realizzata da Dan Ciresan un anno prima, ma affonda le sue radici in modelli molto più antichi. Era infatti il 1989 quando Yann LeCun applicò la retropropagazione dell’errore all’addestramento di una variante di rete neurale convoluzionale.
Perché Geoffrey Hinton ha vinto il Premio Nobel per la Fisica
Shutterstock
Dopo una vita professionale all’insegna dello studio dell’IA, con AlexNet Geoffrey Hinton ha iniziato a mostrare al mondo le potenzialità del deep learning: quella branca del più vasto machine learning che utilizza le cosiddette reti neurali multistrato.
Sempre negli anni ’10 del Millennio in corso, l’intelligenza artificiale inizia a venire integrata a strumenti, sistemi e ambiti anche molto diversi tra loro: dagli algoritmi predittivi utilizzati nella finanza, alle tecniche di riconoscimento facciale che abilitano le tecnologie di autenticazione a due fattori.
La comunità scientifica concorda nel ritenere il decennio passato fondamentale per l’affermazione dei tool AI che oggi stanno cambiando il mondo. In questo senso dunque non sorprende che il Premio Nobel per la Fisica 2024 sia stato assegnato a Geoffrey Hinton e a un altro pioniere delle reti neurali quale John Hopfield.
La stessa commissione del Nobel ha ammesso di avere premiato questi due candidati per le “scoperte e invenzioni fondamentali che consentono l’apprendimento automatico con reti neurali artificiali”.
Geoffrey Hinton ha vinto il Premio Nobel per la Fisica per il contributo dato allo sviluppo delle reti neurali artificiali.
Più precisamente per avere utilizzato la Fisica per gettare le basi di modelli e architetture di apprendimento che oggi stanno venendo utilizzate per “rivoluzionare la scienza, l’ingegneria e la vita quotidiana”.
Questo prestigioso riconoscimento ha contribuito ad affermare Geoffrey Hinton, già vincitore del Turing Award nel 2018, come il contemporaneo padrino dell’intelligenza artificiale.
Gli esperti del settore gli riconoscono un ruolo fondamentale soprattutto nel cosiddetto inverno dell’IA: quel periodo buio, durato oltre 40 anni (dai ’70 del Novecento al ’10 del Duemila) in cui i finanziamenti per la ricerca sulle reti neurali erano quasi inesistenti.
Ma, a ben vedere, questo percorso di sofferenza e poi riscatto forse ha origini ancora più profonde. In questo senso è impossibile non citare per lo meno Frank Rosenblatt, considerato l’inventore della prima IA della Storia.
