Wesloo
Tutti i temiTemi

Intelligenza artificiale

Visione artificiale: come le macchine leggono immagini

Risposta breve

La visione artificiale è un campo dell'intelligenza artificiale che insegna ai computer a ricavare informazioni utili da immagini e video. Usa tecniche di elaborazione delle immagini e modelli di apprendimento profondo per rilevare oggetti, riconoscere pattern ed estrarre informazioni significative dai dati visivi. È usata per il riconoscimento facciale, il controllo qualità industriale, la guida di robot e l'automazione di processi; in medicina, la diagnosi della polmonite dalle radiografie del torace è un esempio frequente.

Punti chiave

  • Interpreta immagini e video per estrarre informazioni utili.
  • Usa dati etichettati, preprocessing e modelli di apprendimento.
  • Classificazione, rilevamento e segmentazione sono compiti centrali.
  • In medicina può supportare l'analisi di radiografie.
  • È vicina a elaborazione delle immagini e visione industriale.

Visione artificiale: definizione e ambito

La visione artificiale è un campo interdisciplinare dell'intelligenza artificiale che esamina come i computer possano ricavare una comprensione di alto livello da immagini digitali o video. Dal punto di vista ingegneristico, mira ad automatizzare compiti che il sistema visivo umano compie naturalmente, come riconoscere oggetti e interpretare una scena. La disciplina scientifica studia la teoria dei sistemi artificiali che estraggono informazioni dalle immagini, mentre quella tecnologica applica modelli e teorie alla costruzione di sistemi reali.

Tra le forme possibili ci sono sequenze video, riprese da più telecamere, dati multidimensionali da scanner 3D, nuvole di punti da sensori LiDAR e immagini provenienti da dispositivi medici. I dataset devono essere sufficientemente grandi e diversi perché gli algoritmi di visione artificiale producano risultati accurati. Il primo passo è raccogliere i dati visivi necessari: gli ospedali generano grandi volumi di radiografie del torace, che possono usare per addestrare un algoritmo.

Come funziona un sistema di analisi visiva

Un sistema tipico riceve un'immagine o un video, estrae caratteristiche utili e produce un risultato: un'etichetta, la posizione di un oggetto, una maschera di segmentazione o una decisione operativa. L'elaborazione delle immagini prepara il dato, mentre i modelli di apprendimento automatico richiedono dati di alta qualità, perché un modello è valido solo quanto i dati usati per addestrarlo. In molti casi si usano modelli di apprendimento profondo, addestrati su radiografie annotate come normali o indicative di polmonite.

La qualità del risultato dipende dalla qualità dei dati. Prima dell'addestramento si ripuliscono le immagini, si regolano luminosità e contrasto, si ridimensionano e si attenua il rumore. Se il dataset è piccolo o poco vario, si possono creare dati sintetici o applicare trasformazioni geometriche, come rotazioni e ribaltamenti, per rendere gli esempi più diversi. Ad esempio, gli ospedali possono usare trasformazioni geometriche come ruotare le radiografie del torace a sinistra o a destra o ribaltarle sottosopra per aumentare i dati.

Una rete neurale artificiale può apprendere rappresentazioni complesse direttamente dai pixel, riducendo la necessità di progettare a mano ogni caratteristica. Tuttavia, il modello resta dipendente dal contesto: un sistema addestrato su radiografie non può essere usato senza adattamenti per analizzare immagini satellitari o video industriali.

Compiti principali della visione artificiale

Il riconoscimento delle immagini è l'aspetto più generale del campo: consiste nell'identificare persone, luoghi, oggetti e altre entità nelle immagini digitali e costituisce la base di compiti più specifici. La classificazione delle immagini assegna un'immagine a una categoria predefinita, indicando l'etichetta più adatta per l'immagine o per gli oggetti in essa contenuti. Il rilevamento degli oggetti localizza e classifica elementi distinti, mentre la segmentazione divide l'immagine in regioni significative.

CompitoInputOutput
ClassificazioneImmagine interaEtichetta di categoria
RilevamentoImmagine o frame videoRiquadri e classi degli oggetti
SegmentazioneImmagine o volumeMaschere per regioni o oggetti
Analisi di sequenzeVideoTraiettorie, eventi o comportamenti

Applicazioni in medicina e automazione

La diagnosi della polmonite dalle radiografie del torace è un esempio frequente di applicazione. I radiologi devono esaminare attentamente le radiografie del torace; il processo può essere soggetto a errori e richiedere tempo per la sottigliezza dei sintomi e la loro somiglianza con altre condizioni polmonari. Un sistema di questo tipo può essere d'aiuto, ma richiede un insieme di radiografie annotate come normali o indicative di polmonite.

Oltre alla medicina, questa tecnologia è usata per il riconoscimento facciale, il controllo qualità industriale, la guida di robot e l'automazione di processi. La diagnosi della polmonite dalle radiografie del torace è un esempio di classificazione delle immagini. La generazione di dati sintetici e l'aumento dei dati possono ampliare dimensione e diversità del dataset.

Relazioni con campi vicini

La visione artificiale è vicina all'elaborazione delle immagini, all'analisi delle immagini e alla visione industriale; questi campi si sovrappongono in modo marcato e condividono tecniche simili, al punto da sembrare a volte lo stesso campo con nomi diversi. La differenza pratica riguarda il risultato: nell'elaborazione delle immagini sia l'input sia l'output sono immagini, mentre qui l'input è un'immagine o un video e l'output può essere un'immagine migliorata, un'analisi del contenuto o un comportamento del sistema basato su tale analisi.

C'è anche un legame con la grafica computerizzata: la grafica genera dati di immagine a partire da modelli 3D, mentre questa disciplina ricava spesso modelli 3D dai dati di immagine. La tendenza è unire i due ambiti, ad esempio nella realtà aumentata, dove il sistema deve percepire l'ambiente e sovrapporre informazioni visive.

Anche il trattamento dei segnali è un campo correlato. Molti metodi per elaborare segnali a una variabile, di solito temporali, si estendono in modo naturale all'elaborazione di segnali a due o più variabili nella visione artificiale. Tuttavia, per la natura specifica delle immagini esistono metodi sviluppati solo in questo campo; insieme alla multidimensionalità del segnale, ciò definisce una sottodisciplina del trattamento dei segnali all'interno del campo.

Sfide e limiti

Poiché l'obiettivo è classificare se una radiografia mostra polmonite o meno, gli ospedali devono compilare un dataset di scansioni e annotare ogni scansione come normale o indicativa di polmonite. Un modello può funzionare bene su immagini pulite e fallire su foto scure, angolazioni inusuali o oggetti non presenti nell'addestramento. La diversità del dataset, la corretta annotazione e il controllo dei bias sono quindi parte del lavoro, non dettagli secondari. Anche la privacy e la sorveglianza richiedono regole chiare quando si analizzano volti o comportamenti.

Un altro limite è la differenza tra riconoscere un pattern e comprendere una situazione. Questa tecnologia può rilevare un oggetto con alta precisione, ma interpretare il significato completo di una scena richiede spesso integrazione con altri sistemi, come modelli di elaborazione del linguaggio naturale o regole di dominio. Per questo i progetti maturi combinano più componenti invece di affidarsi a un solo modello.

Altre domande frequenti

Che differenza c'è tra visione artificiale ed elaborazione delle immagini?

L'elaborazione delle immagini trasforma un'immagine in un'altra immagine. Questa disciplina parte da immagini o video e può produrre etichette, posizioni di oggetti o azioni.

Serve molta memoria per addestrare un modello di visione artificiale?

Serve un dataset sufficientemente grande e vario, con immagini annotate correttamente. La dimensione dipende dal compito, ma la qualità e la diversità dei dati contano quanto la quantità.

La visione artificiale può sostituire i medici?

Nei casi clinici funziona come supporto: analizza immagini e segnala pattern, ma la decisione finale resta al professionista. Un sistema addestrato su un tipo di immagine non si trasferisce automaticamente ad altri contesti.

Quali dati si usano per addestrare questi sistemi?

Immagini o video reali, spesso annotate manualmente. In medicina, ad esempio, radiografie del torace etichettate come normali o indicative di polmonite; in altri casi si aggiungono dati sintetici o trasformazioni geometriche.

Pagine correlate

  • Allineamento dell'IA: definizione e sfide

    L'allineamento dell'IA traduce valori e obiettivi umani in comportamenti dei modelli, per renderli utili, sicuri e affidabili. Non si limita a far seguire istruzioni letterali, ma cerca di far fare la cosa giusta anche in situazioni nuove. Le sfide principali sono specificare lo scopo del sistema e farlo adottare in modo robusto.

  • Modello linguistico di grandi dimensioni: definizione

    Un modello linguistico di grandi dimensioni è un sistema di IA che apprende da grandi raccolte di testo per capire e produrre linguaggio simile a quello umano. Usa reti neurali con miliardi di parametri per prevedere e produrre testo, codice, traduzioni e risposte. Il termine grande non indica una soglia fissa di parametri.

  • Apprendimento profondo: reti neurali multistrato

    L'apprendimento profondo usa reti neurali con molti strati per apprendere rappresentazioni da dati complessi. Trova applicazione in visione artificiale, elaborazione del linguaggio naturale, veicoli autonomi e altri campi. Richiede dati, calcolo e validazione attenta.

  • Che cosa è l'apprendimento per rinforzo nell'IA

    Nell'apprendimento per rinforzo, un sistema software autonomo impara a compiere scelte sequenziali ottimali attraverso l'interazione diretta e continua con il proprio contesto operativo. Attraverso un meccanismo basato su prove ed errori, il software riceve segnali di ricompensa o penalità per scoprire la linea di condotta ottimale. Il fine ultimo consiste nel massimizzare il rendimento cumulativo nel corso del tempo senza ricevere istruzioni umane esplicite.

  • Elaborazione del linguaggio naturale: modelli e usi

    L'elaborazione del linguaggio naturale è il settore dell'informatica e dell'intelligenza artificiale che permette ai computer di interpretare, elaborare e produrre la comunicazione umana. Combinando linguistica computazionale e modelli matematici, trasforma testi non strutturati e tracce vocali in dati numerici analizzabili. Questo approccio sostiene strumenti quotidiani come traduttori automatici, motori di ricerca, assistenti virtuali e sistemi di classificazione documentale.

  • Rete neurale artificiale: architettura e modelli

    Una rete neurale artificiale è un modello computazionale per l'elaborazione dei dati organizzato in strati di nodi interconnessi, derivato concettualmente dall'organizzazione dei neuroni biologici. I singoli elementi di calcolo trasformano le variabili in ingresso tramite combinazioni ponderate e funzioni di attivazione non lineari. Il sistema apprende calibrando pesi numerici e valori di soglia durante l'addestramento per formulare stime o decisioni predittive.

Come è stata preparata questa pagina

Prima della stesura, l’argomento è stato studiato sulle fonti qui sotto. La pagina ha poi superato controlli di qualità automatici.

Segnala un errore in questa pagina