1.5 — Il Deep Learning & il momento AlexNet (2012) 🧠

Per uscire dall’inverno, la logica è stata ribaltata: invece di dare le regole alla macchina, le si danno esempi e lei deduce le regole da sola. Ci si è ispirati (molto alla lontana) al cervello per creare le reti neurali artificiali.

🟢 In parole semplici — prima l’essere umano scriveva le regole. Con il Machine Learning (di cui il Deep Learning è la versione più potente), si mostrano alla macchina tanti esempi ed è lei a indovinare la regola.

🧩 Esempio concreto — per imparare a riconoscere un gatto, non si descrive più “due orecchie a punta + i baffi”. Si mostrano migliaia di foto etichettate “gatto” / “non gatto”, e la rete finisce per individuare da sola ciò che fa un gatto.

Perché funzionasse davvero, servivano due ingredienti che non esistevano prima del 2010:

1. Montagne di dati (grazie a Internet, alle foto, ai testi digitalizzati…).
2. Computer ultrapotenti: le schede grafiche (GPU), capaci di milioni di calcoli in parallelo.

📅 La data di riferimento: 2012. Al concorso di riconoscimento di immagini ImageNet, una rete neurale profonda soprannominata AlexNet stracciò tutte le altre. Fu la scintilla che lanciò la rivoluzione del Deep Learning. Da lì, l’IA imparò a riconoscere un gatto in una foto o a tradurre le lingue in modo fluido.

✅ In sintesi

• Il Deep Learning ribalta la logica: la macchina impara le regole dagli esempi.
• Servirono due ingredienti (intorno al 2010): dati massicci + GPU potenti.
• Il via pubblico fu AlexNet nel 2012 (il concorso ImageNet).