In uno studio innovativo, i ricercatori dell’Università di Cambridge hanno adottato un approccio rivoluzionario all’intelligenza artificiale, dimostrando come i vincoli fisici possano avere un impatto significativo sullo sviluppo di un sistema di intelligenza artificiale.
Questa ricerca, ispirata dai vincoli di sviluppo e operativi del cervello umano, offre nuove prospettive sull’evoluzione dei sistemi neurali complessi. Incorporando questi vincoli, l’intelligenza artificiale non solo riflette alcune caratteristiche dell’intelligenza umana, ma rivela anche l’equilibrio intricato tra l’allocazione di risorse ed efficienza nel processo di elaborazione delle informazioni.
Il cervello umano, un esempio supremo di reti neurali naturali, si evolve e funziona all’interno di una serie di vincoli fisici e biologici. Questi vincoli non sono ostacoli, ma giocano un ruolo fondamentale nella modellazione della sua struttura e funzione. Come ha sottolineato Jascha Achterberg, uno studioso della Cognition and Brain Sciences Unit (MRC CBSU) presso il Medical Research Council dell’Università di Cambridge: “Il cervello non solo eccelle nella risoluzione di problemi complessi, ma lo fa con un utilizzo minimo di energia”. Nel nostro nuovo studio, dimostriamo come considerare le capacità di risoluzione dei problemi del cervello insieme al suo obiettivo di minimizzare l’uso di risorse possa aiutarci a comprendere meglio perché il cervello è strutturato in questo modo.
Il team di Cambridge ha intrapreso un progetto ambizioso per creare un sistema artificiale che emula una versione altamente semplificata del cervello. Questo sistema si distingue per l’applicazione di vincoli “fisici” molto simili a quelli del cervello umano.
Ogni nodo computazionale all’interno del sistema è stato posizionato in uno spazio virtuale in modo specifico, emulando così l’organizzazione spaziale dei neuroni. Maggiore è la distanza tra due nodi, più difficile è la loro comunicazione, riflettendo l’organizzazione neurale presente nel cervello umano.
Questo cervello virtuale è stato quindi incaricato di navigare in un labirinto, una versione semplificata delle sfide di navigazione spesso assegnate agli animali nelle ricerche sul cervello. L’importanza di questa attività risiede nella necessità che il sistema integri molte informazioni, come le posizioni di inizio e fine e le tappe intermedie, per trovare il percorso più breve. Questa attività mette alla prova le capacità di risoluzione dei problemi del sistema e consente di osservare come diversi nodi e gruppi diventino critici in diverse fasi del processo.
Il percorso del sistema artificiale, dal principiante all’esperto nella navigazione dei labirinti, è una testimonianza della sua adattabilità. Inizialmente, il sistema ha avuto difficoltà con il compito, commettendo numerosi errori, proprio come una persona che impara una nuova abilità. Tuttavia, attraverso una serie di tentativi ed errori e il feedback successivo, il sistema ha gradualmente perfezionato il proprio approccio.
Fondamentalmente, questo apprendimento è avvenuto attraverso modifiche nella forza delle connessioni tra i nodi computazionali, simile alla plasticità sinaptica osservata nel cervello umano. Ciò che rende affascinante questo processo è come i vincoli fisici hanno influenzato l’apprendimento. La difficoltà nel creare connessioni tra nodi distanti ha costretto il sistema a trovare soluzioni più efficienti e localizzate, imitando così l’efficienza energetica e delle risorse osservata nei cervelli biologici.
Con il passare del tempo, il sistema ha iniziato a mostrare caratteristiche sorprendentemente simili a quelle del cervello umano. Una di queste caratteristiche è stata la formazione di “hub”: nodi altamente connessi che fungono da centri di informazioni attraverso la rete, simili agli hub neurali presenti nel cervello umano.
Ma ciò che è stato ancora più interessante è stato il cambiamento nel modo in cui i singoli nodi elaboravano le informazioni. Invece di una codifica rigida in cui ogni nodo aveva la responsabilità di un aspetto specifico del labirinto, i nodi hanno adottato un approccio di codifica flessibile. Ciò significava che un singolo nodo poteva rappresentare diversi aspetti del labirinto in momenti diversi, simile alla natura adattiva dei neuroni negli organismi complessi.
Il professor Duncan Astle del Dipartimento di Psichiatria di Cambridge ha sottolineato questo aspetto, affermando: “Questo semplice vincolo, ovvero la difficoltà di collegare nodi distanti, costringe i sistemi artificiali a sviluppare alcune caratteristiche sorprendentemente complesse. È interessante notare che queste caratteristiche sono condivise con i sistemi biologici come il cervello umano”.
Le implicazioni di questa ricerca vanno ben oltre il campo dell’intelligenza artificiale e contribuiscono alla comprensione stessa della cognizione umana. Riproducendo i vincoli del cervello umano in un sistema di intelligenza artificiale, i ricercatori possono ottenere preziose informazioni su come questi vincoli influenzino l’organizzazione del cervello e contribuiscano alle differenze cognitive individuali.
Questo approccio fornisce una prospettiva unica sulle complessità del cervello, in particolare per comprendere le condizioni che influenzano la salute cognitiva e mentale. Come sottolinea il professor John Duncan dell’MRC CBSU: “Questi cervelli artificiali ci offrono una via per comprendere meglio i dati ricchi e sorprendenti che osserviamo quando registriamo l’attività dei neuroni in cervelli umani reali”.
Questa ricerca innovativa ha implicazioni significative per la progettazione futura dei sistemi di intelligenza artificiale. Lo studio dimostra in modo eloquente come l’integrazione dei principi biologici, in particolare quelli relativi ai vincoli fisici, possa portare alla creazione di reti neurali artificiali più efficienti ed adattabili.
Il dottor Danyal Akarca dell’MRC CBSU sottolinea questo punto, affermando: “I ricercatori nel campo dell’intelligenza artificiale cercano costantemente di capire come creare sistemi neurali complessi in grado di codificare ed eseguire in modo flessibile ed efficiente. Crediamo che la neurobiologia possa essere una fonte di ispirazione fondamentale per raggiungere questo obiettivo”.
Jascha Achterberg amplia ulteriormente il potenziale di questi risultati per la creazione di sistemi di intelligenza artificiale che emulino da vicino le capacità umane di risoluzione dei problemi. Egli suggerisce che i sistemi di intelligenza artificiale che affrontano sfide simili a quelle degli esseri umani probabilmente svilupperanno strutture simili al cervello umano, soprattutto quando operano sotto vincoli fisici come le limitazioni energetiche. Come afferma Achterberg: “I cervelli dei robot utilizzati nel mondo reale probabilmente saranno più simili al nostro cervello perché dovranno affrontare sfide simili”.
La ricerca condotta dal team di Cambridge rappresenta un passo significativo nella comprensione dei parallelismi tra i sistemi neurali umani e l’intelligenza artificiale. Applicando vincoli fisici a un sistema di intelligenza artificiale, non solo hanno replicato caratteristiche chiave del cervello umano, ma hanno anche aperto nuove strade per la progettazione di un’intelligenza artificiale più efficiente ed adattabile.