I neuroscienziati progettano un modello per imitare l’apprendimento visivo umano

Programmando l’intelligenza artificiale (AI) basata su computer per utilizzare una tecnica più rapida per l’apprendimento di nuovi oggetti, l’AI inizia a funzionare più come l’intelligenza umana. Ciò avviene come due neuroscienziati hanno progettato un modello per imitare l’apprendimento visivo umano.

La ricerca condotta da Maximillian Riesenhuber, PhD, professore di neuroscienze al Georgetown University Medical Center, e Joshua Rule, PhD, ricercatore post-dottorato alla UC Berkeley, è stata pubblicata sulla rivista Frontiers in Computational Neuroscience. 

AI che apprende nuovi concetti visivi

I neuroscienziati hanno dimostrato come il nuovo approccio migliora la capacità del software AI di apprendere rapidamente nuovi concetti visivi.

“Il nostro modello fornisce un modo biologicamente plausibile per le reti neurali artificiali di apprendere nuovi concetti visivi da un piccolo numero di esempi”, afferma Riesenhuber. “Possiamo far sì che i computer apprendano molto meglio da pochi esempi sfruttando l’apprendimento precedente in un modo che pensiamo rifletta ciò che fa il cervello”.

Gli esseri umani hanno la capacità di apprendere nuovi concetti visivi da dati sparsi molto rapidamente e con precisione. Possediamo questa capacità già a una età molto giovane, di soli tre mesi. Tuttavia, i computer richiedono molti esempi dello stesso oggetto per capire finalmente cosa sia.

“La potenza computazionale della gerarchia del cervello risiede nella capacità di semplificare l’apprendimento sfruttando le rappresentazioni precedentemente apprese da una sorta di banca dati di concetti sugli oggetti”, afferma Riesenhuber.

Reti neurali artificiali vs sistema visivo umano

Riesenhuber e Rule hanno scoperto che le reti neurali artificiali possono apprendere nuovi concetti visivi molto più rapidamente, avvicinandosi al livello di capacità umana.

“Piuttosto che apprendere concetti di alto livello in termini di caratteristiche visive di basso livello, il nostro approccio li spiega in termini di altri concetti di alto livello”, afferma Rule. “È come dire che un ornitorinco assomiglia un po’ a un’anatra, a un castoro e a una lontra di mare”.

L’apprendimento di concetti visivi umani si basa fortemente sulle reti neurali coinvolte nel processo di riconoscimento degli oggetti e si ritiene che il lobo temporale anteriore del cervello abbia la capacità di andare oltre la forma per quanto riguarda le rappresentazioni dei concetti. Poiché queste gerarchie neurali coinvolte nel riconoscimento visivo sono così complesse, gli esseri umani possono apprendere nuovi compiti e sfruttare l’apprendimento precedente.

“Riusando questi concetti, è possibile apprendere più facilmente nuovi concetti, nuovi significati, come il fatto che una zebra sia semplicemente un cavallo di una striscia diversa”, afferma Riesenhuber.

L’AI non ha ancora raggiunto lo stesso livello del sistema visivo umano, che ha una capacità superiore di generalizzare da pochi esempi, gestire variazioni di immagini e comprendere le scene. Tuttavia, gli avanzamenti lo stanno avvicinando.

“I nostri risultati non solo suggeriscono tecniche che potrebbero aiutare i computer ad apprendere più rapidamente e efficientemente, ma possono anche portare a esperimenti di neuroscienze migliorati volti a comprendere come le persone apprendano così rapidamente, cosa che non è ancora ben compresa”, afferma Riesenhuber.