Individuare come l’attività neurale cambia con l’apprendimento è tutt’altro che in bianco e nero. Recentemente, alcuni hanno ipotizzato che l’apprendimento nel cervello, o l’apprendimento biologico, possa essere pensato in termini di ottimizzazione, che è il modo in cui l’apprendimento avviene in reti artificiali come computer o robot. Un nuovo articolo sulle prospettive scritto dai ricercatori della Carnegie Mellon University e dell’Università di Pittsburgh mette in relazione l’apprendimento automatico con l’apprendimento biologico, dimostrando che i due approcci non sono intercambiabili, ma possono essere sfruttati per offrire preziose informazioni su come funziona il cervello.
Il modo in cui quantifichiamo i cambiamenti che vediamo nel cervello e nel comportamento di un soggetto durante l’apprendimento è in continua evoluzione. Si scopre che nell’apprendimento automatico e nell’intelligenza artificiale esiste un framework ben sviluppato in cui qualcosa impara, noto come ottimizzazione. Ricercatori del campo hanno pensato a come il cervello apprende rispetto a questa struttura, che è stata sviluppata per addestrare gli agenti artificiali all’apprendimento.
Il punto di vista dell’ottimizzazione suggerisce che l’attività nel cervello dovrebbe cambiare durante l’apprendimento in un modo prescritto matematicamente, simile a come l’attività dei neuroni artificiali cambia in un modo specifico quando vengono addestrati a guidare un robot o a giocare a scacchi. Una cosa che interessa capire è come il processo di apprendimento si sviluppa nel tempo, non solo guardando un’istantanea del prima e dopo l’apprendimento. In questo articolo sulle prospettive, offrono tre aspetti principali che sarebbero importanti per le persone da considerare nel contesto del pensiero sul motivo per cui l’attività neurale potrebbe cambiare durante l’apprendimento che non possono essere facilmente spiegati in termini di ottimizzazione.
I messaggi da prendere da questo articolo includono l’inflessibilità della variabilità neurale durante l’apprendimento, l’uso di più processi di apprendimento anche durante compiti semplici e la presenza di grandi cambiamenti di attività non specifici del compito. Si è tentati di attingere a esempi di successo di agenti di apprendimento artificiale e presumere che il cervello debba fare tutto ciò che fa.
Tuttavia, una differenza specifica tra i sistemi di apprendimento artificiale e biologico è che il sistema artificiale di solito fa solo una cosa e la fa davvero bene. L’attività nel cervello è molto diversa, con molti processi che avvengono contemporaneamente. I ricercatori hanno osservato che nel cervello accadono cose che i modelli di apprendimento automatico non possono ancora spiegare. Si vede un tema da costruire e una direzione per il futuro. 

Daniele Corbo

Bibliografia: The findings will appear in Neuron

Immagine: artificial intelligence (Danny Spangenberg)