Un nuovo modello elaborato dai ricercatori del Flatiron Institute ha proposto che i neuroni biologici esercitino un controllo più significativo sull’ambiente circostante rispetto a quanto precedentemente ritenuto. Questa scoperta apre la strada alla replicazione di tali funzionalità all’interno delle reti neurali artificiali impiegate nell’intelligenza artificiale (AI).
AI del futuro: il cervello come modello, neuroni come “controllori”
Questa comprensione avanzata potrebbe migliorare in modo significativo le funzionalità della rete neurale artificiale integrando meccanismi simili a quelli del cervello umano, affrontando le attuali limitazioni dell’AI come errori e processi di formazione inefficienti.
Quasi tutte le reti neurali che alimentano i moderni strumenti di intelligenza artificiale come ChatGPT si basano su un modello computazionale degli anni ’60 di un neurone vivente. Un nuovo modello sviluppato presso il Center for Computational Neuroscience (CCN) del Flatiron Institute ha suggerito che questa approssimazione vecchia di decenni non cattura tutte le capacità computazionali possedute dai neuroni reali e che questo modello più vecchio sta potenzialmente frenando lo sviluppo dell’AI.
Il nuovo modello sviluppato al CCN presuppone che i singoli neuroni esercitino un controllo maggiore sull’ambiente circostante di quanto si pensasse in precedenza. Il modello neuronale aggiornato potrebbe infine portare a reti neurali artificiali più potenti in grado di catturare meglio i poteri del nostro cervello, hanno affermato gli sviluppatori del modello. I ricercatori hanno presentato il modello rivoluzionario in un articolo pubblicato sulla rivista Proceedings of the National Academy of Sciences.
Dmitri Chklovskii, leader del gruppo presso il CCN e autore senior del nuovo articolo ha dichiarato: “Le neuroscienze sono progredite parecchio negli ultimi 60 anni, e ora abbiamo riconosciuto che i precedenti modelli di neuroni erano piuttosto rudimentali. Un neurone è un dispositivo molto più complesso – e molto più intelligente – di questo modello eccessivamente semplificato”.
Neuroni come “controllori” per superare i limiti dell’AI odierna
Le reti neurali artificiali mirano a imitare il modo in cui il cervello umano elabora le informazioni e prende decisioni, anche se in modo molto più semplificato. Queste reti sono costituite da strati ordinati di “nodi” basati sul modello neuronale degli anni ’60. La rete neurale è composta da tre strati principali: uno strato di input che riceve le informazioni, uno o più strati intermedi che elaborano le informazioni e uno strato di output che genera i risultati.
Generalmente, un nodo trasmette informazioni al livello successivo solo se l’input totale ricevuto dai nodi del livello precedente supera una certa soglia. Nelle attuali reti neurali artificiali, il flusso di informazioni attraverso un nodo avviene in una sola direzione e i nodi non possiedono la capacità di influenzare le informazioni ricevute da quelli precedenti nella catena.
Al contrario, il nuovo modello concepisce i neuroni come piccoli “controllori”, un termine mutuato dall’ingegneria per indicare dispositivi in grado di influenzare l’ambiente circostante sulla base delle informazioni raccolte su di esso. Le nostre cellule cerebrali non si comportano come semplici relais passivi di input, ma sono in grado di modulare attivamente lo stato dei neuroni adiacenti.
Chklovskii ritiene che questo modello più realistico di un neurone come controller potrebbe rappresentare un passo significativo verso il miglioramento delle prestazioni e dell’efficienza di molte applicazioni di apprendimento automatico: “Sebbene i risultati ottenuti dall’intelligenza artificiale siano davvero impressionanti, ci sono ancora molti problemi. I sistemi di intelligenza artificiale odierni possono commettere errori, generare risultati illusori e richiedono un notevole dispendio energetico per il loro addestramento, risultando costosi. Il cervello umano, invece, sembra ovviare a tutti questi problemi. Se riuscissimo a comprendere appieno i meccanismi alla base del suo funzionamento, potremmo realizzare un’intelligenza artificiale di gran lunga superiore”.
Neuroni “controllori”: il nuovo modello rivoluzionario di Chklovskii
Il modello del neurone come controller si ispira alla comprensione dei circuiti cerebrali su larga scala, composti da un gran numero di neuroni. Si presume che la maggior parte di questi circuiti sia organizzata in schemi di feedback, dove le cellule successive nella catena di elaborazione influenzano l’attività delle prime fasi. Analogamente a un termostato che regola la temperatura di un ambiente, i circuiti cerebrali necessitano di stabilità per evitare di sovraccaricare il sistema corporeo.
Chklovskii ha affermato che non era del tutto intuitivo che questo tipo di controllo del feedback potesse essere realizzato anche da una singola cellula cerebrale. Lui e i suoi colleghi si sono resi conto che una nuova forma di controllo, nota come controllo diretto basato sui dati, è abbastanza semplice ed efficiente da essere biologicamente plausibile che avvenga nelle singole cellule.
Chklovskii ha spiegato: “In passato, si è ipotizzato che il cervello nel suo complesso o specifiche aree cerebrali svolgessero la funzione di controller, ma nessuno aveva mai proposto che un singolo neurone potesse ricoprire tale ruolo. Il controllo è un processo computazionalmente complesso e risulta difficile immaginare che un singolo neurone disponga di una capacità computazionale sufficiente per svolgerlo”.
L’idea del neurone come mini-controllore ha aiutato inoltre a chiarire diversi fenomeni biologici che in passato risultavano inspiegabili, ha sottolineato Chklovskii. Ad esempio, la presenza di un elevato livello di rumore nel cervello è un fatto noto da tempo e il suo ruolo, in quanto elemento di casualità biologica, è stato oggetto di ampi dibattiti. Tuttavia, grazie ai modelli sviluppati dal team CCN, è emerso che alcuni tipi di rumore potrebbero addirittura migliorare le prestazioni dei neuroni.
All’interno delle sinapsi, i punti di giunzione tra un neurone e l’altro, si osserva frequentemente che un neurone trasmette un segnale elettrico, ma il neurone ricevente non lo registra. L’avvenimento e la tempistica della ricezione del segnale sinaptico da parte dello stesso sembrano dipendere in gran parte dal caso.
Mentre altri scienziati hanno ipotizzato che tale casualità fosse semplicemente una caratteristica intrinseca dei piccoli sistemi biologici e non avesse un ruolo significativo nel comportamento neuronale, il team del Flatiron ha scoperto che l’introduzione di rumore nel neurone modello ne ha favorito l’adattamento a un ambiente in continua evoluzione. In tal modo, il team ha evidenziato l’importanza del fattore casuale nel replicare il funzionamento dei neuroni reali.
Chklovskii intende approfondire l’analisi di tipologie di neuroni che non rientrano nel suo nuovo modello. Ad esempio, i neuroni della retina ricevono input direttamente dall’ambiente visivo. A differenza di quelli situati in zone più profonde del cervello, questi potrebbero non essere in grado di controllare i propri input. Tuttavia, potrebbero comunque avvalersi di alcuni dei principi identificati da Chklovskii e dal suo team. In particolare, i neuroni della retina potrebbero essere in grado di prevedere i loro input, pur non avendo la possibilità di influenzarli.
