il cervello non prende decisioni nel modo in cui pensavamo

Un nuovo studio suggerisce che il cervello inizia a prendere decisioni molto prima di quanto si pensasse in precedenza. I ricercatori hanno scoperto che persino le regioni sensoriali primarie sono influenzate dalle aree cerebrali superiori attraverso rapidi circuiti di feedback, anziché limitarsi a trasmettere informazioni. Questa visione più dinamica del funzionamento cerebrale potrebbe aiutare gli ingegneri a progettare futuri sistemi di intelligenza artificiale in grado di pensare in modo più simile ai cervelli biologici, consumando molta meno energia. 

Gli scienziati hanno scoperto che il cervello inizia a prendere decisioni prima del previsto, una scoperta rivoluzionaria che potrebbe rimodellare il futuro dell’intelligenza artificiale. Fonte: AI/ScienceDaily.com

Gli scienziati dell’Università dell’Illinois Urbana-Champaign hanno scoperto prove che potrebbero rivoluzionare il modo in cui i ricercatori concepiscono sia il cervello che l’intelligenza artificiale. Le loro scoperte suggeriscono che il processo decisionale inizia molto prima nel cervello di quanto ipotizzato dalle teorie tradizionali, offrendo nuove idee per la progettazione di futuri sistemi di intelligenza artificiale più performanti e molto più efficienti dal punto di vista energetico.

La ricerca, condotta dal professor Yurii Vlasov, esperto di ingegneria elettrica e informatica presso il Grainger College of Engineering, è stata pubblicata sulla rivista Proceedings of the National Academy of Science (PNAS) . Lo studio evidenzia un ruolo inaspettato delle regioni cerebrali sensoriali precoci nel processo decisionale, mettendo in discussione la visione a lungo accettata secondo cui le decisioni emergono solo dopo che le informazioni hanno attraversato una rigida gerarchia di regioni cerebrali.

Ripensare il modo in cui il cervello prende decisioni

Il cervello umano è ampiamente considerato la struttura più complessa dell’universo conosciuto. Gli scienziati non ne comprendono ancora appieno il funzionamento, motivo per cui la decodifica del cervello è stata identificata nel 2008 dalla National Academy of Engineering come una delle 14 grandi sfide dell’ingegneria del XXI secolo.

Per decenni, molti sistemi di intelligenza artificiale, comprese le reti neurali convoluzionali, si sono ispirati all’idea che il cervello elabori le informazioni in una sequenza unidirezionale. Secondo questo modello tradizionale, le informazioni sensoriali viaggiano verso l’alto attraverso regioni cerebrali sempre più complesse fino a raggiungere la corteccia prefrontale, dove vengono prese le decisioni.

Vlasov e altri ricercatori hanno messo sempre più spesso in dubbio la completezza di questo quadro.

Al contrario, stanno esplorando un modello basato sull’intelligenza naturale, affinata dall’evoluzione nel corso di centinaia di milioni di anni. In questo quadro, il cervello non si affida solo a un flusso di informazioni sequenziale. Il processo decisionale dipende anche da circuiti di feedback interconnessi che consentono alle informazioni di muoversi in entrambe le direzioni tra le regioni cerebrali.

Poiché l’intelligenza biologica svolge compiti straordinariamente complessi utilizzando molta meno energia rispetto ai sistemi di intelligenza artificiale odierni, comprendere questa architettura potrebbe contribuire a guidare lo sviluppo dell’intelligenza artificiale del futuro.

“Vogliamo imparare da un miliardo di anni di evoluzione”, ha affermato Vlasov. “Come è organizzata architettonicamente questa intelligenza biologica? Possiamo imparare dall’aspetto architettonico del cervello ed emularlo per rendere l’IA più efficace, meno energivora e più intelligente di quanto non lo sia attualmente? È a livello decisionale che l’IA attuale presenta delle lacune.”

Le regioni cerebrali precoci mostrano attività decisionali

Per studiare il funzionamento di questi processi, il team di ricerca si è concentrato sulle prime fasi della percezione sensoriale e percettiva del cervello.

Gli scienziati hanno registrato l’attività neurale nei topi mentre percorrevano un corridoio in realtà virtuale e prendevano decisioni percettive. Hanno trovato prove di attività legate al processo decisionale nella corteccia somatosensoriale primaria (S1), una delle prime aree di elaborazione sensoriale del cervello.

Anziché limitarsi a trasmettere informazioni in avanti, l’area S1 sembrava essere influenzata da regioni cerebrali superiori attraverso circuiti di feedback. Questa regolazione dall’alto verso il basso suggerisce che il processo decisionale implichi una comunicazione continua tra diverse aree cerebrali, anziché un semplice flusso unidirezionale di informazioni.

“Il codice neurale del cervello è ancora in gran parte un linguaggio sconosciuto”, ha affermato Vlasov. “Ma questa comprensione a livello di sistema può essere vista come un potenziale fattore determinante per la costruzione di reti neurali artificiali più efficienti, per la progettazione della prossima generazione di IA. Forse, grazie a queste analogie che apprendiamo dai cervelli reali, potremo migliorare ulteriormente l’IA.”

Cosa potrebbero significare questi risultati per l’intelligenza artificiale del futuro

I ricercatori sottolineano che lo studio non fornisce un modello per costruire un’intelligenza artificiale migliore. Offre piuttosto nuove prospettive su come il cervello organizza il processo decisionale, che potrebbero eventualmente ispirare le future architetture di intelligenza artificiale.

Successivamente, Vlasov e il suo team intendono studiare più nel dettaglio la tempistica di questi segnali cerebrali. Hanno anche intenzione di sviluppare nuove tecnologie per misurare l’attività neurale al fine di comprendere meglio come emergono i circuiti di feedback e come coordinano i diversi livelli di elaborazione cerebrale.

“Osservando le rapide dinamiche temporali dell’attività neurale, forse possiamo comprendere meglio come questi circuiti di feedback siano coinvolti nel processo decisionale”, ha affermato Vlasov. “Forse questo approccio potrebbe svelare meccanismi attualmente sconosciuti: come questi circuiti di feedback si organizzano dinamicamente e come formano e modellano i diversi livelli di elaborazione. Forse ciò potrebbe essere implementato in nuove architetture per l’intelligenza artificiale.” 

Significato

Utilizzando la navigazione guidata da un whisker etologico di topi in un paradigma di realtà virtuale tattile combinato con dense registrazioni elettrofisiologiche nel wS1 correlato al whisker, mostriamo che l’attività neurale durante l’accumulo di prove sensoriali mostra un drammatico collasso dell’attività di spiking ad alta dimensione a una singola variabile latente seguita da un’espansione più lenta e quasi sincrona in tutta la colonna corticale. Dimostriamo che questa variabile è coerente con i modelli di accumulo graduale di prove sensoriali rumorose a una decisione legata. Queste osservazioni indicano che wS1 può partecipare direttamente a una codifica categorica di variabile di decisione tutta o nulla.

Abstravt

Si pensa che il cervello produca decisioni con un graduale accumulo di prove sensoriali attraverso una cascata di attività neuronali organizzate gerarchicamente che trasforma le prime rappresentazioni di stimolo nella corteccia somatosensoriale primaria (S1) a una decisione percettiva elaborata in aree premotorie. Recentemente, questa visione prevalente è stata messa in discussione dall’osservazione dell’attività neurale correlata alla scelta già nella gerarchia come S1. Qui, per conciliare queste osservazioni apparentemente controverse, impieghiamo la navigazione guidata da un baffo etologico di topi in un paradigma di realtà virtuale tattile combinato con registrazioni elettrofisiologiche dense in wS1. correlate al whisker Lasciando solo un paio di baffi C2 con cui navigare i topi, abbiamo progettato efficacemente un collo di bottiglia delle informazioni per l’input sensoriale al processo decisionale. Mostriamo che l’attività neurale durante l’accumulo di prove sensoriali mostra un drammatico collasso dell’attività di spiking ad alta dimensione a una singola variabile latente seguita da un aumento più lento e quasi sincrono in tutta la colonna corticale. Dimostriamo che questa variabile è coerente con i modelli di accumulo graduale di prove sensoriali rumorose a una decisione legata. Queste osservazioni indicano che S1 può partecipare direttamente a una codifica categorica di una variabile di decisione tutta o nulla tramite loop di feedback cortico-corticale attraverso i quali le informazioni sensoriali si riverberano per essere trasformate in percezione e azione.

by