Una nuova era negli algoritmi di apprendimento ispirati al cervello

I ricercatori dell'MRC Brain Network Dynamics Unit e del Dipartimento di Informatica dell'Università di Oxford hanno svelato un principio rivoluzionario che fa luce sul modo in cui il cervello umano adatta e regola le connessioni tra i neuroni durante l'apprendimento. 

Questa scoperta non solo migliora la nostra comprensione dell'apprendimento all'interno delle reti cerebrali, ma ha anche il potenziale per ispirare lo sviluppo di algoritmi di apprendimento più rapidi e robusti nell'intelligenza artificiale (IA).

Principio di apprendimento del cervello: configurazione prospettica

L'essenza dell'apprendimento risiededentquali componenti del processo di elaborazione delle informazioni sono responsabili degli errori di output. Nell'intelligenza artificiale, questo si ottiene attraverso la backpropagation, dove i parametri di un modello vengono modificati per ridurre al minimo gli errori di output.

È opinione diffusa che il cervello umano utilizzi un principio di apprendimento simile. Tuttavia, il cervello biologico supera gli attuali sistemi di apprendimento automatico sotto diversi aspetti.

Ad esempio, gli esseri umani possono apprendere nuove informazioni dopo averle incontrate una sola volta, mentre i sistemi artificiali spesso richiedono centinaia di ripetizioni con gli stessi dati per comprenderle. Inoltre, gli esseri umani possono acquisire nuove conoscenze conservando quelle esistenti, mentre l'introduzione di nuovi dati nelle reti neurali artificiali può interferire e degradare le conoscenze esistenti.

Queste osservazioni hanno spinto i ricercatori a ricercare il principio fondamentale che governa il processo di apprendimento del cervello. Hanno esaminato insiemi esistenti di equazionimaticche descrivono i cambiamenti nel comportamento neuronale e nelle connessioni sinaptiche e hanno condotto analisi e simulazioni approfondite. Ciò che hanno scoperto ha messo in discussione le convinzioni prevalenti.

Nelle reti neurali artificiali, gli algoritmi esterni mirano a modificare le connessioni sinaptiche per ridurre al minimo gli errori, ma i ricercatori propongono che il cervello umano stabilisca prima l'attività dei neuroni in una configurazione bilanciata ottimale prima di regolare le connessioni sinaptiche. 

Si ritiene che questo approccio unico, denominato "configurazione prospettica", sia una caratteristica efficiente dell'apprendimento umano, poiché riduce le interferenze e preserva le conoscenze esistenti, accelerando così il processo di apprendimento.

Simulazione e convalida

I ricercatori hanno supportato le loro scoperte con simulazioni al computer, dimostrando che i modelli che impiegano la configurazione prospettica hanno prestazioni migliori delle reti neurali artificiali in compiti comunemente affrontati da animali ed esseri umani in contesti naturali.

Per illustrare il concetto, i ricercatori hanno utilizzato l'esempio di un orso che pesca salmoni. In una rete neurale artificiale, se l'orso perdesse la capacità di sentire il fiume (a causa di un orecchio danneggiato), perderebbe anche la capacità di annusare i salmoni, portando alla conclusione errata che non ci siano salmoni nel fiume. 

Tuttavia, nel cervello animale, l'assenza di suono non interferisce con la consapevolezza che l'odore del salmone è ancora presente, consentendo all'orso di proseguire con successo la sua ricerca.

Colmare il divario

Il ricercatore principale, il Professor Rafal Bogacz, dell'Unità di Dinamica delle Reti Cerebrali del MRC e del Dipartimento di Neuroscienze Cliniche Nuffield di Oxford, ha sottolineato la necessità di colmare il divario tra i modellitrace la nostra comprensione dell'anatomia del cervello. La ricerca futura mira a svelare come l'algoritmo di configurazione prospettica venga implementato nelle reti corticalidentanatomicamente.

Il Dott. Yuhang Song, primo autore dello studio, ha evidenziato le sfide legate all'implementazione della configurazione prospettica nei computer esistenti, dovute alle differenze fondamentali tra i sistemi informatici e il cervello biologico. Ha auspicato lo sviluppo di un nuovo computer o di un hardware dedicato, ispirato al cervello, in grado di implementare la configurazione prospettica in modo rapido ed efficiente dal punto di vista energetico.