Immagine AI

Un importante team di ricerca nazionale ha compiuto un passo avanti nel comprendere come il cervello immagazzina la memoria motoria, dimostrando che la difficoltà del compito svolge un ruolo fondamentale nel determinare in quale regione cerebrale viene conservata la memoria. Utilizzando un approccio innovativo che combina neuroscienze e intelligenza artificiale, noto come “NeuroAI”, i ricercatori hanno rivelato un nuovo principio computazionale che spiega come il cervelletto, una parte chiave del cervello, gestisca il processo di apprendimento e memorizzazione in base alla complessità della sfida da affrontare.

Il cervelletto, responsabile dell’apprendimento motorio e della memoria, è formato da due strutture principali: la corteccia cerebellare, che svolge calcoli complessi, e i nuclei cerebellari, che invece operano in modo più semplice. La scienza aveva già osservato che la memoria motoria viene inizialmente formata nella corteccia e poi trasferita ai nuclei per una conservazione a lungo termine, ma non era chiaro perché alcune memorie venissero completamente trasferite, altre solo parzialmente, o solo certi aspetti fossero selettivamente mantenuti.

Per spiegare questo comportamento, i ricercatori hanno applicato la teoria dell’apprendimento statistico dell’intelligenza artificiale, in particolare il concetto di “compromesso tra bias e varianza”, modellando il cervelletto come un sistema duale composto da un “sistema complesso” (la corteccia cerebellare) che esegue calcoli sofisticati ma con costi elevati, e un “sistema semplice” (i nuclei cerebellari) che è meno preciso ma più efficiente in termini di risorse.

I risultati hanno mostrato che il cervello utilizza una strategia di ottimizzazione per minimizzare il costo totale, bilanciando errore sistematico, incoerenza e costi operativi, regolando dinamicamente l’uso dei due sistemi in base alla difficoltà del compito. Nei compiti più semplici, infatti, il cervello può affidarsi principalmente al sistema semplice, trasferendo così la memoria in modo efficiente ai nuclei cerebellari. Al contrario, nei compiti più complessi, dove l’accuratezza è fondamentale, la memoria rimane nel sistema complesso della corteccia, anche se ciò comporta un costo maggiore.

Questi principi sono stati confermati da simulazioni al computer e da esperimenti su modelli murini. Nel caso di un compito relativamente facile, come la risposta optocinetica (OKR), la memoria è stata trasferita quasi completamente ai nuclei cerebellari, dimostrato dal fatto che la soppressione della corteccia cerebellare non ha influenzato significativamente l’apprendimento nel tempo. Al contrario, nel compito più difficile del riflesso vestibolo-oculare (VOR), la soppressione della corteccia ha ridotto drasticamente la memoria, dimostrando la dipendenza dalla corteccia cerebellare per compiti complessi.

Un ulteriore esperimento ha evidenziato come nei compiti difficili la memoria appresa si manifesti solo in condizioni di stimolo molto specifiche, mentre nei compiti semplici l’apprendimento è più generalizzato e trasferibile ad altre situazioni. Questo risultato rispecchia perfettamente le previsioni teoriche basate sul modello di apprendimento del cervelletto.

I ricercatori sottolineano che questa scoperta non solo aiuta a decifrare i meccanismi del cervello, ma fornisce anche preziosi spunti per superare alcune difficoltà attuali nell’intelligenza artificiale, come l’aggiornamento in tempo reale dei modelli linguistici di grandi dimensioni (LLM) e la realizzazione di sistemi di apprendimento permanente a basso consumo energetico.

Il modello cerebrale scoperto si basa su un principio di controllo superiore, chiamato “funzione di costo”, che regola in tempo reale l’uso del sistema complesso o semplice, bilanciando precisione, tempo ed energia. In sostanza, nelle fasi iniziali dell’apprendimento, dove l’incertezza è alta, viene usato il sistema complesso per massimizzare la potenza espressiva, mentre man mano che si acquisisce esperienza, la memoria viene trasferita al sistema semplice per ottimizzare l’efficienza.

I principali autori dello studio, i professori Kim Chang-eop della Gachon University e Kim Sang-jeong della Seoul National University, hanno evidenziato come questa ricerca rappresenti un ponte tra neuroscienze e intelligenza artificiale, integrando fenomeni di memorizzazione precedentemente frammentati in un unico principio basato sulla difficoltà del compito. Essi sottolineano anche il grande valore e le potenzialità dell’approccio “NeuroAI” nel futuro delle scienze cognitive e tecnologiche.

I risultati di questo studio sono stati pubblicati sulla prestigiosa rivista scientifica internazionale Nature Communications e sono stati realizzati con il supporto della National Research Foundation of Korea e dei Ministeri della Scienza, ICT e Istruzione.

Di Fantasy