L'intelligenza artificiale aiuta gli scienziati a comprendere l'attività cerebrale dietro i pensieri

I ricercatori hanno sviluppato modelli di intelligenza artificiale (AI) che li aiutano a comprendere meglio i calcoli cerebrali che sono alla base dei pensieri.

Un team guidato da ricercatori del Baylor College of Medicine e della Rice University ha sviluppato modelli di intelligenza artificiale (AI) che li aiutano a comprendere meglio i calcoli cerebrali che sono alla base dei pensieri.

Questa è una novità perché fino ad ora non esisteva alcun metodo per misurare i pensieri.

I ricercatori hanno prima sviluppato un nuovo modello in grado di stimare i pensieri valutando il comportamento, quindi hanno testato il loro modello su un cervello artificiale addestrato dove hanno trovato l'attività neurale associata a quelle stime dei pensieri.

Lo studio teorico appare in Proceedings of the National Academy of Sciences..

 "Per secoli, i neuroscienziati hanno studiato come funziona il cervello mettendo in relazione l'attività cerebrale con input e output. Ad esempio, quando studiano la neuroscienza del movimento, gli scienziati misurano i movimenti muscolari e l'attività neuronale, e poi mettono in relazione queste due misurazioni", ha detto il corrispondente autore Dr. Xaq Pitkow, assistente professore di neuroscienze alla Baylor e di ingegneria elettrica e informatica alla Rice.

"Per studiare la cognizione nel cervello, tuttavia, non abbiamo nulla con cui confrontare l'attività neurale misurata".

Per capire come il cervello dà origine al pensiero, i ricercatori devono prima misurare un pensiero. Hanno sviluppato un metodo chiamato "Controllo razionale inverso" che esamina un comportamento e deduce le convinzioni o i pensieri che meglio spiegano quel comportamento.

Tradizionalmente, i ricercatori in questo campo hanno lavorato con l'idea che gli animali risolvano i compiti in modo ottimale, comportandosi in un modo che massimizza i loro benefici netti.

Ma quando gli scienziati studiano il comportamento degli animali, scoprono che non è sempre così.

"A volte gli animali hanno convinzioni o supposizioni 'sbagliate' su ciò che sta accadendo nel loro ambiente, ma cercano comunque di trovare i migliori risultati a lungo termine per il loro compito, dato quello che credono stia succedendo intorno a loro”.

Questo potrebbe spiegare perché gli animali sembrano comportarsi in modo subottimale ", ha detto Pitkow, che è anche McNair Scholar presso Baylor, co-direttore del Baylor's Center for Neuroscience and Artificial Intelligence e membro della Rice Neuroengineering Initiative.

 Ad esempio, considera un animale che sta cacciando e sente molti rumori che associa alla preda.

Se una potenziale preda emette tutti i rumori, il comportamento ottimale per il cacciatore è quello di indirizzare costantemente i suoi movimenti a un singolo rumore.

Se il cacciatore crede erroneamente che i rumori provengano da molti animali diversi, può scegliere un comportamento non ottimale, come scansionare costantemente l'ambiente circostante per cercare di individuarne uno.

Agendo in base alla sua convinzione o supposizione che ci siano molte potenziali prede nelle vicinanze, il cacciatore si comporta in un modo che è simultaneamente "razionale" e "non ottimale".

Nella seconda parte del lavoro, Pitkow ei suoi colleghi hanno sviluppato un modello per mettere in relazione i pensieri identificati utilizzando il metodo del controllo razionale inverso all'attività cerebrale.

"Possiamo guardare le dinamiche dei pensieri modellati e le dinamiche delle rappresentazioni cerebrali di quei pensieri. Se queste dinamiche corrono parallele l'una all'altra, allora abbiamo fiducia che stiamo catturando gli aspetti dei calcoli cerebrali coinvolti in quei pensieri ", Ha detto Pitkow.

"Fornendo metodi per stimare i pensieri e interpretare l'attività neurale ad essi associata, questo studio può aiutare gli scienziati a capire come il cervello produce comportamenti complessi e fornire nuove prospettive sulle condizioni neurologiche".

 Reference:

1. Zhengwei Wu, Minhae Kwon, Saurabh Daptardar, Paul Schrater, Xaq Pitkow. Rational thoughts in neural codes. Proceedings of the National Academy of Sciences, 2020; 201912336 DOI: 10.1073/pnas.1912336117

Scrivi articoli di psicologia e psicoterapia e ti piacerebbe vederli pubblicati su Psiconline?
per sapere come fare, Clicca qui subito!

---

Stai cercando un pubblico specifico interessato alle tue iniziative nel campo della psicologia?
Sei nel posto giusto.
Attiva una campagna pubblicitaria su Psiconline

Corsi, Stage, Informazioni per formare e far crescere i Professionisti della Psicologia