Ricercatori Propongono Nuovo Approccio Con “Algoritmi Evolutivi”

Mentre i nostri computer attuali eseguono normalmente azioni pre-programmate, ciò si contrappone al nostro cervello, che è altamente adattabile. La nostra capacità di adattamento dipende fortemente dalla plasticità sinaptica, con sinapsi che sono i punti di connessione tra i neuroni. I neuroscienziati sono profondamente affascinati dalla plasticità sinaptica poiché è fondamentale per i processi di apprendimento e di memoria.

I ricercatori nel campo delle neuroscienze e dell’intelligenza artificiale (AI) sviluppano modelli per i meccanismi di questi processi sottostanti al fine di comprendere meglio il cervello. Questi modelli ci aiutano a ottenere informazioni sui processi di elaborazione biologica dell’informazione e sono fondamentali per aiutare le macchine a imparare più velocemente.

“Algoritmi Evolutivi”

I ricercatori dell’Istituto di Fisiologia dell’Università di Berna hanno ora sviluppato un nuovo approccio basato su “algoritmi evolutivi”, e questi programmi per computer cercano soluzioni mimando il processo di evoluzione biologica.

Il team di ricerca è stato guidato dal dottor Mihai Petrovici dell’Istituto di Fisiologia dell’Università di Berna e dell’Istituto Kirchhoff per la Fisica dell’Università di Heidelberg.

Lo studio è stato pubblicato sulla rivista eLife.

Tutto ciò significa che l’idoneità biologica, che è il grado in cui un organismo si adatta al suo ambiente, può essere un modello per gli algoritmi evolutivi. Con questi algoritmi, l’“idoneità” di una soluzione candidata dipende da quanto bene può risolvere il problema sottostante.

Tre Scenari di Apprendimento

Il nuovo approccio si chiama “evolving-to-learn” o “diventare adattivi”. Il team si è concentrato su tre scenari di apprendimento tipici, il primo dei quali ha coinvolto un computer che deve rilevare un modello ripetuto in un flusso continuo di input senza ricevere feedback sulle sue prestazioni.

Il secondo scenario ha coinvolto il computer che riceveva ricompense virtuali quando eseguiva un comportamento desiderato.

Il terzo scenario ha coinvolto l’“apprendimento guidato” in cui al computer è stato detto esattamente quanto il suo comportamento si discostava da quello desiderato.

Il dottor Jakob Jordan è l’autore corrispondente e co-primo autore dell’Istituto di Fisiologia dell’Università di Berna.

“In tutti questi scenari, gli algoritmi evolutivi sono stati in grado di scoprire meccanismi di plasticità sinaptica e quindi di risolvere con successo un nuovo compito”, ha detto il dottor Jordan.

Gli algoritmi hanno dimostrato una forte creatività.

Il dottor Maximilian Schmidt è co-primo autore dello studio.

“Ad esempio, l’algoritmo ha trovato un nuovo modello di plasticità in cui i segnali che abbiamo definito sono combinati per formare un nuovo segnale. In effetti, osserviamo che le reti che utilizzano questo nuovo segnale imparano più velocemente rispetto alle regole note in precedenza”, ha detto il dottor Schmidt.

“Vediamo E2L come un approccio promettente per ottenere approfondite conoscenze sui principi di apprendimento biologico e accelerare i progressi verso potenti macchine di apprendimento artificiale”, ha detto Petrovoci.

“Speriamo che accelererà la ricerca sulla plasticità sinaptica nel sistema nervoso”, ha commentato il dottor Jordan.

Il team afferma che le nuove scoperte forniranno una conoscenza più approfondita di come funzionano i cervelli sani e malati e potrebbero aiutare nello sviluppo di macchine intelligenti che possono adattarsi agli utenti.