Il cervello usa un criterio
aritmetico per creare un nuovo comportamento
ROBERTO
COLONNA
NOTE E NOTIZIE - Anno XX – 21 gennaio
2023.
Testi
pubblicati sul sito www.brainmindlife.org della Società Nazionale di
Neuroscienze “Brain, Mind & Life - Italia” (BM&L-Italia). Oltre a notizie
o commenti relativi a fatti ed eventi rilevanti per la Società, la sezione
“note e notizie” presenta settimanalmente lavori neuroscientifici selezionati
fra quelli pubblicati o in corso di pubblicazione sulle maggiori riviste e il cui
argomento è oggetto di studio dei soci componenti lo staff dei recensori della Commissione
Scientifica della Società.
[Tipologia del testo: RECENSIONE]
Una capacità straordinariamente sviluppata nella
specie umana, ma presente in una forma più semplice in molte specie animali,
consiste nell’adottare abilità comportamentali acquisite in precedenza e
finalizzarle, con eventuali integrazioni o adeguamenti, a compiti nuovi. Tale
propensione può comportare la crescita del repertorio comportamentale
attraverso l’espansione combinatoria.
La ricerca nel campo dell’Intelligenza Artificiale (AI)
sul deep RL (deep reinforcement learning) postula che il riuso di
esperienze passate possa drammaticamente migliorare l’apprendimento di compiti
non elementari, che possono essere scomposti in sotto-problemi più semplici. L’operazione
aritmetica lineare sui valori delle azioni pre-apprese (Q) derivata da
ciascun sotto-problema porta alla composizione di una nuova policy quasi
ottimale, che può essere trasferita e ulteriormente rifinita e specificamente
adattata per un nuovo compito. Rimane tuttavia in gran parte ignoto se, nella
realtà naturale, il cervello adotti un modo simile per creare nuovi comportamenti
da aggiungere al repertorio posseduto.
Un nuovo studio, sviluppato integralmente da Hiroshi
Makino, ha cercato la risposta a questo quesito
approdando a un interessante risultato.
(Makino
H., et al., Arithmetic value representation for hierarchical
behavior composition. Nature
Neuroscience 26, 140-149,
2023).
La provenienza
dell’autore è la seguente: Lee Kong Chian School of
Medicine, Nanyang Technological University, Singapore
(Singapore).
Dunque, i
sistemi di IA estraggono da un’esperienza passata apprendimenti riutilizzabili e
li ricombinano in modo semplice e seguendo un criterio gerarchico, ma non è
noto come operino i cervelli animali.
Hiroshi Makino in questo
studio dimostra che gli agenti di deep RL imparano a risolvere un nuovo
compito composito mediante la combinazione addizionale delle
rappresentazioni dei valori d’azione dei sotto-compiti costituenti precedentemente
appresi. L’efficacia di apprendimento nel compito composito è stata
ulteriormente aumentata dall’introduzione della stocasticità
nel comportamento durante il pre-training.
Queste previsioni teoriche sono state testate
empiricamente nei topi, nei quali il pre-allenamento ai sotto-compiti
migliorava l’apprendimento dei compiti compositi.
L’imaging bifotonico del calcio esteso
all’intera corteccia cerebrale dei roditori ha rivelato rappresentazioni
neurali analoghe dei valori di azioni combinate, con un apprendimento
migliorato quando la variabilità comportamentale era amplificata.
Nell’insieme i risultati ottenuti da Hiroshi Makino, per il cui dettaglio si rinvia alla lettura
integrale del testo del lavoro originale, suggeriscono che il cervello compone
un nuovo comportamento con una semplice operazione aritmetica sulle rappresentazioni
dei valori d’azione acquisiti in precedenza secondo criteri stocastici.
L’autore della nota ringrazia la dottoressa Isabella Floriani per la correzione della bozza e
invita alla lettura delle recensioni di argomento connesso che appaiono nella sezione “NOTE E NOTIZIE”
del sito (utilizzare il motore interno nella pagina “CERCA”).
Roberto
Colonna
BM&L-21 gennaio 2023
________________________________________________________________________________
La Società
Nazionale di Neuroscienze BM&L-Italia, affiliata alla International Society
of Neuroscience, è registrata presso l’Agenzia delle Entrate di Firenze, Ufficio
Firenze 1, in data 16 gennaio 2003 con codice fiscale 94098840484, come organizzazione
scientifica e culturale non-profit.