mygooRicordi il momento in cui l’IA ha fatto un balzo in avanti? Indizio: non fu magia, ma calcolo puro.
Nel 2012, la competizione ImageNet segnò una svolta: per la prima volta una rete profonda stracciò i metodi tradizionali nella classificazione di immagini.
La domanda di oggi
Quale fattore fu decisivo per il salto di prestazioni nelle competizioni ImageNet del 2012?
- La sostituzione delle immagini con dati tabellari
- L'uso esclusivo di algoritmi bayesiani su piccoli dataset
- L'addestramento di reti neurali profonde accelerato da GPU su grandi dataset
- L'adozione di reti neurali lineari senza funzioni di attivazione
Mostra la risposta
Risposta corretta: L'addestramento di reti neurali profonde accelerato da GPU su grandi dataset
La risposta corretta è: l’addestramento di reti neurali profonde accelerato da GPU su grandi dataset. Le GPU permisero di eseguire in parallelo milioni di operazioni di convoluzione e backpropagation, rendendo praticabile l’allenamento di modelli profondi su ImageNet (milioni di immagini). La combinazione di grande quantità di dati e potenza di calcolo rese possibile apprendere rappresentazioni visive molto più efficaci dei metodi precedenti.
Nel 2012, il modello vincitore ridusse l’errore top-5 a circa il 15%, contro il ~26% dell’anno prima: un salto epocale. Contribuirono anche scelte pratiche come funzioni di attivazione ReLU, data augmentation e dropout per limitare l’overfitting.
Spesso si pensa che il progresso sia dipeso da modelli lineari o da algoritmi bayesiani su piccoli dataset: in realtà, senza profondità, grandi dati e calcolo su GPU, le reti non avrebbero colto pattern visivi complessi. E no: sostituire immagini con dati tabellari non avrebbe risolto il problema della visione.
Vuoi metterti alla prova e guadagnare premi?
Scarica mygoo, rispondi ad altre domande come questa e accumula GOOX mentre migliori le tue skill. Pronto a fare il prossimo salto?
Sai la risposta? Guadagna GOOX e convertili in gift card e sconti.
