I ricercatori propongono un nuovo approccio con “algoritmi evolutivi”
Mentre i nostri computer attuali di solito eseguono azioni pre-programmate, questo è in contrasto con il nostro cervello, che è altamente adattivo. La nostra adattabilità dipende fortemente dalla plasticità sinaptica, con le sinapsi che sono i punti di connessione tra i neuroni. I neuroscienziati sono profondamente incuriositi dalla plasticità sinaptica poiché è la chiave per i processi di apprendimento e la memoria.
I ricercatori nel campo delle neuroscienze e dell’intelligenza artificiale (AI) sviluppano modelli per i meccanismi di questi processi sottostanti al fine di comprendere meglio il cervello. Questi modelli ci aiutano a ottenere informazioni sull’elaborazione delle informazioni biologiche e sono fondamentali per aiutare le macchine a imparare più velocemente.
“Algoritmi Evolutivi”
I ricercatori dell’Istituto di Fisiologia dell’Università di Berna hanno ora sviluppato un nuovo approccio basato su “algoritmi evolutivi” e questi programmi per computer cercano soluzioni imitando il processo dell’evoluzione biologica.
Il team di ricerca è stato guidato dal Dr. Mihai Petrovici dell’Istituto di Fisiologia dell’Università di Berna e dell’Istituto di Fisica Kirchhoff dell’Università di Heidelberg.
Lo studio è stato pubblicato sulla rivista eLife .
Tutto ciò significa che l’idoneità biologica, che è il grado in cui un organismo si adatta al suo ambiente, può essere un modello per algoritmi evolutivi. Con questi algoritmi, la “idoneità” di una soluzione candidata dipende da quanto bene può risolvere il problema sottostante.
Tre scenari di apprendimento
Il nuovo approccio si chiama “evoluzione per imparare” o “diventare adattivo”. Il team si è concentrato su tre scenari di apprendimento tipici, il primo dei quali prevedeva che un computer dovesse rilevare uno schema ripetuto in un flusso continuo di input senza ricevere feedback sulle sue prestazioni.
Il secondo scenario prevedeva che il computer ricevesse ricompense virtuali durante l’esecuzione di un comportamento desiderato.
Il terzo scenario prevedeva un “apprendimento guidato” in cui al computer veniva detto esattamente quanto il suo comportamento si discostasse da quello desiderato.
Il Dr. Jakob Jordan è autore corrispondente e co-primo dell’Istituto di Fisiologia dell’Università di Berna.
“In tutti questi scenari, gli algoritmi evolutivi sono stati in grado di scoprire meccanismi di plasticità sinaptica e quindi hanno risolto con successo un nuovo compito”, ha affermato il dott. Jordan.
Gli algoritmi hanno dimostrato una forte creatività.
Il dottor Maximilian Schmidt è il co-primo autore dello studio.
“Ad esempio, l’algoritmo ha trovato un nuovo modello di plasticità in cui i segnali che abbiamo definito vengono combinati per formare un nuovo segnale. In effetti, osserviamo che le reti che utilizzano questo nuovo segnale apprendono più velocemente rispetto alle regole precedentemente note”, ha affermato il dott. Schmidt.
“Vediamo E2L come un approccio promettente per acquisire conoscenze approfondite sui principi dell’apprendimento biologico e accelerare il progresso verso potenti macchine di apprendimento artificiale”, ha affermato Petrovoci.
“Speriamo che acceleri la ricerca sulla plasticità sinaptica nel sistema nervoso”, ha commentato il dott. Jordan.
Il team afferma che le nuove scoperte forniranno informazioni più approfondite su come funzionano i cervelli sani e malati e potrebbero aiutare nello sviluppo di macchine intelligenti in grado di adattarsi agli utenti.
