Le reti neurali artificiali modellate su cervelli reali possono svolgere compiti cognitivi

Un nuovo studio mostra che le reti di intelligenza artificiale basate sulla connettività del cervello umano possono svolgere compiti cognitivi in ​​modo efficiente.

Esaminando i dati MRI da un grande archivio di Open Science, i ricercatori hanno ricostruito un modello di connettività cerebrale e l'hanno applicato a una rete neurale artificiale (ANN). Una RNA è un sistema informatico costituito da più unità di input e output, proprio come il cervello biologico. Un team di ricercatori del Neuro (Montreal Neurological Institute-Hospital) e del Quebec Artificial Intelligence Institute ha addestrato l'ANN a svolgere un compito di memoria cognitiva e ha osservato come ha funzionato per completare l'incarico.

Questo è un approccio unico in due modi. Il lavoro precedente sulla connettività cerebrale, noto anche come connettomica, si è concentrato sulla descrizione dell'organizzazione del cervello, senza guardare come esegue effettivamente calcoli e funzioni. In secondo luogo, le RNA tradizionali hanno strutture arbitrarie che non riflettono il modo in cui sono organizzate le reti cerebrali reali. Integrando la connettomica cerebrale nella costruzione di architetture ANN, i ricercatori speravano di apprendere sia come il cablaggio del cervello supporti abilità cognitive specifiche, sia di derivare nuovi principi di progettazione per reti artificiali.

Hanno scoperto che le ANN con connettività del cervello umano, note come reti neurali neuromorfe, svolgono compiti di memoria cognitiva in modo più flessibile ed efficiente rispetto ad altre architetture di riferimento. Le reti neurali neuromorfe sono state in grado di utilizzare la stessa architettura sottostante per supportare un'ampia gamma di capacità di apprendimento in più contesti.

Il progetto unisce due discipline scientifiche vivaci e dal ritmo serrato. La neuroscienza e l'intelligenza artificiale condividono radici comuni ma si sono recentemente separate. L'uso di reti artificiali ci aiuterà a capire come la struttura del cervello supporta la funzione cerebrale. A sua volta, l'utilizzo di dati empirici per creare reti neurali rivelerà i principi di progettazione per costruire meglio AI. Quindi, i due si aiuteranno a informarsi a vicenda e ad arricchire la nostra comprensione del cervello.