Modellazione di reti neurali artificiali (ANN) su cervelli di animali

Anthony Zador, neuroscienziato del Cold Spring Harbor Laboratory (CSHL), ha dimostrato che l’evoluzione e il cervello degli animali possono essere utilizzati come ispirazione per l’apprendimento automatico. Può essere utile per aiutare l’intelligenza artificiale a risolvere molti problemi diversi. 

Secondo il neuroscienziato CSHL Anthony Zador, l'intelligenza artificiale (AI) può essere notevolmente migliorata osservando i cervelli degli animali. Con questo approccio, i neuroscienziati e coloro che lavorano nel campo dell'IA hanno un nuovo modo di risolvere alcuni dei problemi più urgenti dell'IA. 

Anthony Zador, MD, Ph.D., ha dedicato gran parte della sua carriera alla spiegazione delle complesse reti neurali all'interno del cervello vivente. Si arriva fino al singolo neurone. All'inizio della sua carriera si è concentrato su qualcosa di diverso. Ha studiato le reti neurali artificiali (ANN). Le ANN sono sistemi informatici che sono stati la base di gran parte dei nostri sviluppi nel settore dell’intelligenza artificiale. Sono modellati sulle reti del cervello sia animale che umano. Fino ad ora, è qui che il concetto si è fermato. 

Un recente pezzo di prospettiva, scritto da Zador, è stato pubblicato in Nature Communications. In quel pezzo, Zador ha spiegato in dettaglio come algoritmi di apprendimento nuovi e migliorati stanno aiutando i sistemi di intelligenza artificiale a svilupparsi fino a un punto in cui superano di gran lunga gli umani. Questo accade in una varietà di compiti, problemi e giochi come gli scacchi e il poker. Anche se alcuni di questi computer sono in grado di funzionare così bene in una varietà di problemi complessi, sono spesso confusi da cose che noi umani considereremmo semplici. 

Se coloro che lavorano in questo campo fossero in grado di risolvere questo problema, i robot potrebbero raggiungere un punto di sviluppo in cui potrebbero imparare a fare cose estremamente naturali e organiche come inseguire una preda o costruire un nido. Potrebbero persino fare qualcosa come lavare i piatti, che si è rivelato estremamente difficile per i robot. 

“Le cose che troviamo difficili, come il pensiero astratto o il gioco degli scacchi, in realtà non sono la cosa difficile per le macchine. Le cose che troviamo facili, come interagire con il mondo fisico, questo è ciò che è difficile”, ha spiegato Zador. "Il motivo per cui pensiamo che sia facile è che abbiamo avuto mezzo miliardo di anni di evoluzione che ha cablato i nostri circuiti in modo che lo facciamo senza sforzo."

Zador pensa che se vogliamo che i robot ottengano un apprendimento rapido, qualcosa che cambierebbe tutto nel settore, potremmo non voler guardare solo a un algoritmo di apprendimento generale perfezionato. Ciò che gli scienziati e altri dovrebbero fare è guardare alle reti neurali biologiche che ci sono state date attraverso la natura e l'evoluzione. Questi potrebbero essere usati come base su cui costruire per un apprendimento facile e veloce di tipi specifici di compiti, compiti che sono importanti per la sopravvivenza. 

Zador parla di ciò che possiamo imparare dagli scoiattoli che vivono nei nostri stessi giardini se solo guardassimo alla genetica, alle reti neurali e alla predisposizione genetica.

“Ci sono scoiattoli che possono saltare da un albero all'altro entro poche settimane dalla nascita, ma non abbiamo topi che imparano la stessa cosa. Perché no?" Zador ha detto. "È perché uno è geneticamente predeterminato per diventare una creatura che vive sugli alberi."

Zador crede che una cosa che potrebbe derivare dalla predisposizione genetica sia il circuito innato che si trova all'interno di un animale. Aiuta quell'animale e guida il suo apprendimento precoce. Uno dei problemi con il collegamento di questo al mondo dell'IA è che le reti utilizzate nell'apprendimento automatico, quelle perseguite dagli esperti di intelligenza artificiale, sono molto più generalizzate di quelle in natura. 

Se siamo in grado di arrivare a un punto in cui le ANN raggiungono un punto di sviluppo in cui possono essere modellate sulle cose che vediamo in natura, i robot potrebbero iniziare a svolgere compiti che a un certo punto erano estremamente difficili.