Il software di addestramento che emula le reti cerebrali per identificare le razze di cani o le attrezzature sportive è ormai storia vecchia. Ma far sì che una rete di intelligenza artificiale impari per conto proprio un processo che nello sviluppo infantile è innato, è qualcosa di veramente nuovo. In un articolo pubblicato la scorsa settimana su "Science Advances", una rete neurale è stata in grado di distinguere tra diverse quantità di cose, anche se non le era mai stato insegnato che cos'è un numero.
La rete neurale ha acquisito un'abilità cognitiva che è innata, tra gli altri, nei bambini umani, nelle scimmie e nei corvi. Senza alcun addestramento, è in grado di dire immediatamente la differenza tra quantità grandi e piccole, un'abilità chiamata senso della numerosità, o dei numeri.
Molti credono che il senso dei numeri sia un precursore essenziale della nostra capacità di contare e fare matematica più complessa. Ma la domanda su come questa capacità si presenti spontaneamente nel cervello giovane è ancora senza risposta. Per comprenderne lo sviluppo, gli scienziati dell'Università di Tübingen, in Germania, hanno usato un sistema di apprendimento profondo progettato per simulare il cervello umano, per vedere se la numerosità sarebbe emersa senza dover addestrare il software.
I ricercatori hanno prima addestrato la rete su un insieme di dati standard di 1,2 milioni di immagini che rientravano in mille categorie diverse. Alla fine, il sistema, come molti altri prima, è stato in grado di identificare immagini di animali e insetti, non solo come specie, per esempio cane o ragno, ma anche come razza specifica, per esempio schnauzer nano o ragno lupo.
I ricercatori hanno poi mostrato alla rete neurale delle immagini che contenevano solo schemi di punti bianchi su sfondo nero, che rappresentavano i numeri da uno a 30. Senza che gli fosse stato insegnato nulla sui numeri e senza che fosse chiesto di cercare le differenze di quantità, il sistema è riuscito a classificare ogni immagine in base al numero di punti che conteneva.
"Quando si allenano reti neurali che ricalcano il sistema visivo per svolgere compiti come il riconoscimento di oggetti, esse apprendono 'gratuitamente' anche altre cose", dice James DiCarlo, professore del Dipartimento di scienze cognitive e cerebrali del MIT, che non è stato coinvolto nella ricerca. "L'aspetto interessante di questo studio è che hanno misurato cose che vengono scandagliate dalla vista, ma che di solito non sono considerate puramente visive, come la numerosità".
Il team di Nieder usa un sistema di apprendimento profondo che imita il cervello umano, con "neuroni" che ricevono input dai neuroni che sono più in alto nella gerarchia del sistema e inviano queste informazioni verso il basso. Alcuni neuroni si "attivano" in risposta a stimoli specifici in base alle loro caratteristiche o modelli.
Con questo modello, Nieder ha confrontato l'attivazione dei neuroni della rete con i neuroni nel cervello di scimmie a cui avevano mostrato gli stessi schemi di punti. I neuroni artificiali si comportavano esattamente come i neuroni nell'area di elaborazione visiva del cervello animale, mostrando preferenze e calibrazioni per specifici numeri. Per esempio, un neurone che preferiva il numero sei si attivava fortemente ogni volta che venivano mostrati sei punti, un po 'meno in risposta a cinque e sette punti, e ancor meno per quattro e otto punti, e così via. L'attività del neurone diminuiva continuamente via via che lo stimolo si allontanava dal suo numero target.
"E' stato esaltante vederlo, perché questi sono proprio i tipi di risposte che osserviamo nei neuroni reali del cervello", dice Nieder. "Questa potrebbe essere una spiegazione del fatto che il cablaggio del nostro cervello, o per lo meno del nostro sistema visivo, può dare origine alla rappresentazione spontanea del numero di oggetti in una scena".
La rete neurale ha persino commesso errori simili a quelli di un cervello umano. Aveva più difficoltà a distinguere tra numeri vicini tra loro, come quattro e cinque, che fra numeri più distanti, come quattro e nove. E, proprio come gli esseri umani, ha fatto anche più fatica a distinguere due numeri grandi (come 20 e 25), di quanto facesse per numeri più piccoli alla stessa distanza (come uno e sei).
Véronique Izard, ricercatrice all'Université Paris Descartes che studia il pensiero matematico, ha scritto in una e-mail che gli autori "forniscono una spiegazione meccanicistica per l'emergere della sensibilità alla numerosità". Dice che questo suggerisce che la numerosità non sia stata selezionata dall'evoluzione per se stessa, ma che sia invece "emersa spontaneamente, come sottoprodotto dell'apprendimento del riconoscimento degli oggetti".
Non tutti gli scienziati ne sono rimasti altrettanto impressionati. Peter Gordon, professore associato di neuroscienze e formazione alla Columbia University, dice che le reti neurali stanno facendo valutazioni "basate su informazioni visive di basso livello, come linee e angoli, ombreggiature e cose del genere. Quindi, se le si applica a queste quantità, ciò che avviene mostra solo che diverse immagini di 10 punti sono più simili tra loro che altre immagini di otto punti. Non coglie davvero il numero."
Da parte sua, Nieder insiste sul fatto che questo tipo di rete neurale offre un modello migliore del cervello umano. "Ora possiamo fare ipotesi su come si svolgono le cose nel cervello e possiamo passare, avanti e indietro, dalle reti artificiali alle reti reali", dice Nieder. "Questo è uno dei grandi vantaggi di queste reti per la scienza di base.
-------------------------
L'originale di questo articolo è stato pubblicato su "Scientific American" l'8 maggio 2019. Traduzione ed editing a cura di Le Scienze.)
Programmatore informatico italiano, mi occupo di sviluppo sia Front-end che Back-end presso una grande azienda. La programmazione è stata la mia passione, insieme allo sport e al teatro che pratico tutt'ora. Ho deciso di aprire questo blog per dare consigli e condividerli con chi, come me, porta con sé questa passione. [..]
