Come le reti neurali e l'apprendimento profondo consentono ai sistemi di IA di imparare e decidere

Che cosa è realmente una rete neurale

Secondo IBM, una rete neurale è un modello di apprendimento automatico costruito da semplici unità di elaborazione chiamate neuroni, organizzati in strati, che imparano pesi e bias per il riconoscimento di modelli dai dati per mappare gli input agli output. Ogni rete ha uno strato di input che accetta dati grezzi, uno o più strati nascosti che trasformano tali dati, e uno strato di output che produce il risultato finale, come un'etichetta o una previsione.

Ogni neurone moltiplica i suoi valori in entrata per numeri chiamati pesi, aggiunge un termine di bias e passa il risultato attraverso una funzione di attivazione non lineare. IBM confronta i pesi con manopole che impostano quanto ogni input influenza il risultato, mentre i bias regolano il punto in cui un neurone diventa attivo.

Come funziona l'addestramento: passaggi in avanti e indietro

MIT News traccia l'idea fino al 1944, quando Warren McCullough e Walter Pitts, che in seguito si trasferirono al MIT, proposero per la prima volta il concetto di nodi di elaborazione interconnessi. Nel design originale, ogni nodo somma i suoi input ponderati e 'si attiva' se la somma supera una soglia, inviando un segnale al livello successivo in quella che MIT chiama un'architettura feedforward.

L'addestramento inizia con pesi casuali. IBM spiega che la rete esegue prima un passaggio di 'propagazione in avanti', passando i dati di input attraverso i livelli per produrre una previsione. Una funzione di perdita quindi misura il divario tra quella previsione e la risposta corretta, utilizzando formule come l'errore quadratico medio per le previsioni numeriche o la cross-entropy per le attività di classificazione, secondo IBM.

La rete quindi esegue 'backpropagation', calcolando, strato per strato, quanto ogni singolo peso ha contribuito all'errore, utilizzando una regola di calcolo chiamata regola della catena. Un passaggio di ottimizzazione chiamato gradient descent utilizza quindi quei calcoli per spingere leggermente ogni peso nella direzione che riduce l'errore. Ripetere questo ciclo migliaia o milioni di volte su esempi di addestramento è quello che sia IBM che MIT descrivono come il modo in cui la rete 'impara'.

Perché l'apprendimento profondo ha preso piede

'Apprendimento profondo' si riferisce a reti con molti strati nascosti impilati piuttosto che solo uno. MIT News nota che le reti monostrato degli anni '60 hanno ceduto il posto alle reti moderne con 10 o 50 strati o più. Lo slancio della ricerca è crollato dopo che Marvin Minsky e Seymour Papert del MIT hanno pubblicato un libro del 1969 che mostrava i limiti delle reti monostrato, secondo MIT News, e si è ripreso solo parzialmente negli anni '80 prima di un secondo declino nei primi anni 2000.

La moderna rinascita del campo, che MIT data intorno al 2010, è stata guidata da processori grafici (GPU) originariamente costruiti per i videogiochi, che hanno reso pratico eseguire l'enorme numero di calcoli che le reti profonde richiedono. IBM aggiunge che questa potenza di calcolo, combinata con set di dati molto più grandi, ha permesso ai parametri nei modelli odierni di raggiungere i miliardi.

Il problema della 'scatola nera': perché le decisioni sono difficili da spiegare

Anche una rete completamente addestrata può essere difficile da interpretare. MIT News afferma che dopo l'addestramento, è spesso poco chiaro cosa rappresentino effettivamente le impostazioni di peso finali, o quali caratteristiche di un'immagine un sistema addestrato si sta affidando e come le combina. Questa opacità, a volte chiamata problema della 'scatola nera', è distinta da come viene costruita una rete — riguarda la comprensione del motivo per cui una rete specifica, già addestrata, produce una decisione specifica.

Perché questa spiegazione è importante proprio adesso

La meccanica di cui sopra sta dietro a una rapida espansione nell'uso dell'IA quotidiana. Il rapporto Stanford HAI 2026 AI Index ha rilevato che l'adozione organizzativa dell'IA generativa ha raggiunto l'88% nel 2025, e che l'IA generativa ha raggiunto il 53% dell'adozione a livello di popolazione entro tre anni dalla sua introduzione sul mercato di massa — che il rapporto afferma è più veloce di quanto il personal computer o internet hanno raggiunto lo stesso livello. Lo stesso rapporto ha fissato l'investimento privato americano in IA nel 2025 a 285,9 miliardi di dollari, più di 23 volte i 12,4 miliardi di dollari investiti in Cina quell'anno.

Il rapporto Stanford ha anche rilevato che la prestazione del modello di IA su benchmark di codifica come SWE-bench Verified è aumentata da circa il 60% a quasi il 100% nell'arco di un solo anno, e che diversi modelli ora soddisfano o superano le prestazioni umane su domande di scienza a livello di dottorato e matematica di competizione. Nessuno di questi guadagni di capacità cambia il meccanismo sottostante descritto sopra — connessioni ponderate regolate attraverso backpropagation e gradient descent — solo la scala a cui viene applicato.