Una delle caratteristiche distintive delle macchine è che non hanno bisogno di dormire, a differenza degli umani e di qualsiasi altra creatura con un sistema nervoso centrale. Un giorno, però, il tuo tostapane potrebbe aver bisogno di un pisolino di tanto in tanto, così come la tua auto, il tuo frigorifero e qualsiasi altra cosa che viene rivoluzionata con l’avvento di pratiche tecnologie di intelligenza artificiale.
Il cambiamento arriverà quando (e se) i sistemi di intelligenza artificiale che imitano i cervelli viventi saranno incorporati nella vasta gamma di dispositivi che attualmente fanno affidamento su computer e microprocessori convenzionali per aiutarci durante la giornata. Almeno questa è l’implicazione della nuova ricerca che stiamo conducendo nel Los Alamos National Laboratory per comprendere i sistemi che funzionano in modo molto simile ai neuroni all’interno dei cervelli viventi.
La nostra realizzazione è avvenuta mentre lavoravamo per sviluppare reti neurali che si avvicinano da vicino al modo in cui gli esseri umani e altri sistemi biologici imparano a vedere. Stavamo studiando il modo in cui queste reti simulate rispondono alla formazione del dizionario senza supervisione. In questo tipo di attività, le reti si accingono a classificare gli oggetti senza avere esempi precedenti con cui confrontarli. Immagina di consegnare molte immagini di animali esotici a un bambino e di chiedergli di raggrupparne di simili. Il bambino potrebbe non sapere cosa sia un’antilope, ma la metterebbe in una pila separata dai leoni o dai pinguini, per esempio.
Probabilmente non sarebbe una sorpresa per qualsiasi insegnante di bambini piccoli che abbiamo scoperto che le nostre reti sono diventate instabili dopo continui periodi di apprendimento. Tuttavia, quando abbiamo esposto le reti a stati analoghi alle onde che i cervelli viventi sperimentano durante il sonno, la stabilità è stata ripristinata. Era come se stessimo dando alle reti neurali l’equivalente di un bel pisolino.
Questo tipo di instabilità non è una caratteristica di tutte le reti di intelligenza artificiale. Il problema sorge solo quando si addestrano processori biologicamente realistici o quando si cerca di comprendere la biologia stessa. La stragrande maggioranza dei ricercatori su machine learning, deep learning e AI non incontra mai questa instabilità perché, proprio nei sistemi artificiali che studiano, ha il lusso di eseguire operazioni matematiche che non hanno equivalenti nei neuroni viventi.
La nostra decisione di esporre le nostre reti biologicamente realistiche a un analogo artificiale del sonno è stato quasi un ultimo tentativo per stabilizzarle. Stavano generando spontaneamente immagini analoghe alle allucinazioni. Abbiamo sperimentato vari tipi di rumore numerico, più o meno paragonabili alla statica che potresti incontrare tra le stazioni durante la sintonizzazione di una radio. I risultati migliori sono stati ottenuti quando abbiamo utilizzato il rumore con un’ampia gamma di frequenze e ampiezze. Il rumore imita l’input ricevuto dai neuroni nel cervello durante il sonno a onde lente, che è il sonno profondo di cui non possiamo vivere senza.
I risultati suggeriscono che nei sistemi di intelligenza artificiale e naturale il sonno a onde lente può agire per garantire che i neuroni mantengano la loro stabilità e non abbiano allucinazioni.
Gli stati assonnati nelle reti neurali sono molto diversi dalla modalità a cui entra il PC dopo un determinato periodo di inattività. Un computer convenzionale che è andato a “dormire” è effettivamente in animazione sospesa, con tutta l’attività computazionale congelata nel tempo. E il vecchio consiglio del reparto IT di provare a “spegnere e riaccendere il computer” quando un PC si guasta equivale a esporre la macchina a un breve periodo di morte cerebrale.
Questo tipo di modalità di sospensione non farebbe nulla per sistemare una rete neurale instabile. E il power cycling reimposterebbe semplicemente la rete e annullerebbe qualsiasi addestramento precedente, dando alla rete un grave caso di amnesia. Nelle reti neurali così come nelle creature viventi, uno stato simile al sonno non è inattività, ma un diverso tipo di attività cruciale per il corretto funzionamento dei neuroni.
Stiamo appena iniziando a studiare un ulteriore vantaggio del sonno artificiale nelle nostre simulazioni. Spesso, alcuni neuroni in una rete simulata non funzionano affatto quando viene avviata una simulazione. Abbiamo scoperto che l’applicazione di stati di sonno artificiale sembra reimpostare i neuroni inattivi per garantire che diventino componenti funzionanti nella rete.
Mentre i ricercatori costruiscono reti che assomigliano sempre più a sistemi nervosi viventi, probabilmente non dovrebbe sorprendere il fatto che sembrano aver bisogno di dormire tanto quanto noi. Allo stesso modo, ci aspettiamo che sofisticati sistemi di intelligenza artificiale ci aiuteranno a comprendere più a fondo il sonno e altre caratteristiche nei sistemi biologici. Il tostapane sonnecchiante del futuro potrebbe fornire nuove informazioni sul funzionamento del nostro cervello, oltre a un cibo per la colazione caldo e croccante.
