Una rete neurale è un modello matematico fatto di nodi (chiamati "neuroni") collegati tra loro in strati. Ogni connessione ha un peso, ogni nodo applica una funzione matematica all'input. Si chiamano "neurali" perché vagamente ispirate ai neuroni del cervello, ma la somiglianza si ferma lì: matematicamente sono solo moltiplicazioni e somme.
Funzionamento base: input → strato 1 → strato 2 → ... → output. Durante l'addestramento i pesi delle connessioni vengono aggiustati progressivamente per produrre output corretti dato un input di esempio.
Tipi principali:
- Feedforward: l'informazione va in una sola direzione. Le più semplici.
- CNN (Convolutional): per immagini. Strati che rilevano pattern visivi.
- RNN (Recurrent): per sequenze (testo, audio). Hanno memoria interna.
- Transformer: l'attuale dominatore, base di tutti gli LLM moderni.
Le reti neurali "deep" (profonde) sono quelle con tanti strati. Da qui il nome deep learning.