I ricercatori propongono un nuovo approccio con "algoritmi evolutivi"

Sebbene i nostri computer attuali di solito eseguano azioni pre-programmate, ciò è in contrasto con il nostro cervello, che è altamente adattivo. La nostra adattabilità dipende fortemente dalla plasticità sinaptica, con le sinapsi che sono i punti di connessione tra i neuroni. I neuroscienziati sono profondamente incuriositi dalla plasticità sinaptica poiché è la chiave dei processi di apprendimento e della 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 sull'elaborazione delle informazioni biologiche e sono fondamentali per aiutare le macchine ad apprendere 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 imitando il processo dell'evoluzione biologica. 

Il gruppo di ricerca è stato guidato dal Dr. Mihai Petrovici dell'Istituto di Fisiologia dell'Università di Berna e dal Kirchhoff Institute for Physics 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 algoritmi evolutivi. Con questi algoritmi, la "idoneità" di una soluzione candidata dipende da quanto bene può risolvere il problema sottostante. 

Tre scenari di apprendimento

Il nuovo approccio si chiama "evolvere per imparare" o "diventare adattivo". Il team si è concentrato su tre tipici scenari di apprendimento, il primo dei quali prevedeva che un computer dovesse rilevare uno schema ripetuto in un flusso continuo di input senza ricevere feedback sulle sue prestazioni.

Il secondo scenario prevedeva che il computer ricevesse ricompense virtuali quando eseguiva un comportamento desiderato.

Il terzo scenario riguardava l'"apprendimento guidato" in cui al computer veniva detto esattamente quanto il suo comportamento deviava da quello desiderato.

Il dottor Jakob Jordan è 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 hanno risolto con successo un nuovo compito", ha affermato il dott. Jordan.

Gli algoritmi hanno dimostrato una forte creatività.

Il Dr. 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 vengono combinati per formare un nuovo segnale. In effetti, osserviamo che le reti che utilizzano questo nuovo segnale apprendono più velocemente rispetto alle regole precedentemente note", ha affermato il dott. Schmidt.

"Vediamo E2L come un approccio promettente per ottenere approfondimenti sui principi di apprendimento biologico e accelerare il progresso verso potenti macchine di apprendimento artificiale", ha affermato Petrovoci. 

"Speriamo che acceleri la ricerca sulla plasticità sinaptica nel sistema nervoso", ha commentato il dottor Jordan. 

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