Salve a tutti e benvenuti in questa serie di articoli dedicati alle Architetture Software.

In questo primo articolo introdurremo il concetto di Architettura Software, vedremo di capire cosa si intende con questo termine e parleremo dell'importanza che ha questo argomento nell'ambito dello sviluppo software.

Dare una definizione di architettura software non è una cosa banale e, difatti, ci sono diverse formulazioni e scuole di pensiero in merito. In particolare, per comprendere la diverse definizioni disponibili è indispensabile avere una buona panoramica sull'argomento dato che, in mancanza di una sufficiente conoscenza di base, le formulazioni più gettonate risultano essere abbastanza complicate da capire e recepire poiché risultano essere ricche di significato ma, allo stesso tempo, per certi aspetti, limitate.

Una delle formulazioni più diffuse è quella che definisce l'architettura software come "Il concetto di più alto livello di un sistema nel suo ambiente. L’architettura di un sistema software è la sua organizzazione o strutturazione in componenti significativi che interagiscono tramite interfacce. Tali componenti possono essere composti a loro volta da componenti e interfacce più piccoli”.

Una definizione molto simile alla precedente ed altrettanto valida è che: “L'architettura software è la struttura di alto livello di un sistema software, che ne definisce i componenti, le relazioni e le interazioni. Funge da modello (blueprint) sia per lo sviluppo che per la manutenzione, guidando le decisioni tecniche e garantendo che il sistema soddisfi i requisiti di prestazioni, scalabilità e affidabilità”.

Immagina se i computers potessero imparare e pensare come gli esseri umani, riconoscendo schemi, modelli e percorsi, e fossero in grado di prendere decisioni di propria iniziativa.

Questo è il settore o se preferisci la scienza in cui si colloca il Deep Learning.

Il Deep Learning (DL) è una branca dell’intelligenza artificiale che simula la struttura e le funzioni del cervello umano.

Esso procede attraverso il Machine Learning (ML) tradizionale utilizzando reti neurali per processare dati più complessi ed effettuare previsioni più accurate.

Addestrando queste reti neurali su una gran quantità di dati i modelli di Deep Learning possono sbloccare un’incredibile potere. Essi hanno la capacità e l'abilità di analizzare immagini, comprendere il linguaggio naturale, e finanche battere i campioni mondiali in giochi come gli Scacchi e Go.