Come l’intelligenza artificiale impara dalle reti complesse

(Immagine: Pixabay CC0) - Le reti neurali profonde hanno raggiunto risultati notevoli nella scienza e nella tecnologia, ma non è ancora chiaro perché funzionino così bene. Un nuovo studio fa luce sul funzionamento dei modelli di apprendimento profondo che imparano da insiemi di dati relazionali, come quelli presenti nelle reti biologiche e sociali . Le reti neurali grafiche (GNN) sono reti neurali artificiali sviluppate per visualizzare entità - come individui, molecole o città - e le interazioni tra di esse. Le applicazioni pratiche di queste reti vanno dalla previsione dei flussi di traffico in Google Maps alla scoperta più rapida di nuovi antibiotici nei programmi di sviluppo di farmaci assistiti da computer. I GNN sono utilizzati, tra gli altri, da AlphaFold, un sistema di intelligenza artificiale che affronta il complesso problema del ripiegamento delle proteine in biologia. Nonostante questi risultati impressionanti, i principi fondamentali alla base del successo dei GNN sono poco conosciuti. Un recente studio fa luce su come questi algoritmi di intelligenza artificiale estraggono la conoscenza da reti complesse e mostra come migliorare le loro prestazioni in varie applicazioni.