L'intelligenza artificiale ci aiuta a capire i meccanismi interni della memoria a breve termine

La ricerca dei neuroscienziati dell'University of Chicago, mostra come la memoria di lavoro a breve termine usi reti neurali in modo diverso a seconda della complessità del compito in questione.

I ricercatori hanno utilizzato moderne tecniche di intelligenza artificiale (AI) per addestrare reti neurali computazionali per risolvere una serie di compiti comportamentali complessi che richiedevano la memorizzazione di informazioni nella memoria a breve temrine.

Le reti dell'AI si basavano sulla struttura biologica del cervello e rivelavano due processi distinti coinvolti nella memoria a breve termine. Un primo processo "silenzioso", in cui il cervello imagazzina memorie a breve termine senza nessuna attività neurale in corso, e un secondo processo, più attivo, in cui i circuiti dei neuroni si attivano continuamente.

Lo studio, condotto da Nicholas Masse, scienziato presso l'University of Chicago e da David Freedman, professore di neurobiologia , è stato pubblicato su Nature Neuroscience.

"La memoria a breve termine, probabilmente, è composta da molti processi diversi, da quelli molto semplici in cui è necessario ricordare qualcosa che hai visto pochi secondi fa, a processi più complessi in cui devi manipolare le informazioni  che hai in memoria" ha dettto Freedman. "Abbiamo accertato come due diversi meccanismi neurali lavorano insime per risolvere diversi tipi di compiti di memoria."

Memoria attiva e memoria silenziosa

Molte attività quotidiane richiedono l'uso delle memoria di lavoro, informazioni di cui hai bisogno per fare qualcosa in questo momento ma che probabilmente dimenticherai più tardi. A volte ti ricordi attivamente qualcosa di proposito, come quando stai cercando di risolvere un problema di matematica nella tua testa o stai cercando di ricordare un numero di telefono prima di avere la possibilità di annotarlo. Assorbi passivamente anche informazioni che puoi ricordare in seguito, anche se non ti rendi conto di ricordarle, come se qualcuno ti chiedesse se hai visto una persona in particolare nel corridoio.

I neuroscienziati hanno imparato molto su come il cervello rappresenta le informazioni contenute nella memoria, monitorando i modelli dell'attività elettrica che attraversano il cervello degli animali mentre svolgono compiti che richiedono l'uso della memoria a breve termine. Possono quindi monitorare l'attività delle cellule cerebrali e misurare la loro attività mentre gli animali svolgono quei compiti.

Tuttavia, Freedman e il suo team erano sorpresi del fatto che durante alcuni compiti che richiedevano l'archiviazione di informazioni, i loro esperimenti hanno rivelato che i circuiti neurali erano insolitamente "silenzioni". Ciò li portò a ipotizzare che queste memorie "silenziose" potessero risiedere nei cambiamenti temporanei nella forza delle connessioni, o sinapsi, tra i neuroni.

Il problema è che è impossibile utilizzare l'odierna tecnologia per misurare ciò che accade nelle sinapsi, durante questi periodi "silenziosi", nel cervello di un animale vivente. Quindi, Masse, Freedman e il loro team hanno sviluppato approcci AI che utilizzano i dati degli esperimenti sugli animali per progettare reti in grado di simulare come i neuroni di un cervello reale si connettono tra loro. Quindi possono addestrare le reti per risolvere lo stesso tipo di compiti studiati negli esperimenti sugli animali.

Durante gli esperimenti con queste reti neurali biologicamente ispirate, sono stati in grado di notare due processi distinti in gioco durante l'elaborazione della memoria a breve termine. Uno, chiamato attività neurale persistente, era particolarmente evidente durante i compiti più complessi, ma ancora a breve termine. Qunado un neurone riceve un input, genera un breve picco di attività elettrica. I neuroni formano sinapsi con altri neuroni, e quando un neurone si innesca, fa scattare una reazione a catena per far attivare un altro neurone.

Di solito, questo schema di attività si interrompe quando l'input è assente, mal il modello di intelligenza artificiale ha mostrato che, durante l'esecuzione di determinati compiti, alcuni circuiti di neuroni continuavano a attivarsi anche dopo aver rimosso l'input, come fosse un riverbero o un eco. Questa attivià persistente sembrava essere particolarmante importante per problemi più complessi che richiedevano che le informazioni nella memoria fossero in qualche modo manipolate.

I ricercatori hanno notato anche un secondo processo che spiegava come il cervello potrebbe mantenere le informazioni in memoria senza attività persistente, come avevano osservato nei loro esperimenti di monitoraggio del cervello. È simile al modo in cui il cervello immagazzina le informazioni nella memoria a lungo termine, creando complesse reti di connessioni tra molti neuroni.

Mentre il cervello impara nuove informazioni, queste connessioni vengono rafforzate, reindirizzate o rimosse, un concetto noto come "plasticità". I modelli di intelligenza artificiale hanno dimostrato che durante i periodi di "silenzio" della memoria, il cervello può usare una forma a breve termine di plasticità nelle connessioni sinaptiche tra i neuroni per ricordare temporaneamente le informazioni.

Entrambe queste forme di memoria a breve termine durano da pochi secondi a pochi minuti. Alcune delle informazioni utilizzate nella memoria di lavoro possono finire in un archivio a lungo termine, ma la maggior parte svanisce con il tempo.

"È come scrivere qualcosa con il dito su uno specchio appannato invece di scriverlo con un pennarello indelebile", ha detto Masse.

Lo studio dimostra come l'intelligenza artificiale sia diventata preziosa per lo studio delle neuroscienze e come i due campi si informino a vicenda. Freedman ha detto che le reti neurali artificiali sono spesso più intelligenti e più facili da addestrare su compiti complessi, quando sono modellate sul cervello reale. Ciò rende le reti di intelligenza artificiale biologicamente ispirante, le migliori piattaforme per testare idee sulle funzioni cerebrali reali

"Questi due campi stanno davvero beneficiando l'un l'altro", ha affermato. "Le scoperte degli esperimenti di neuroscienza stanno aiutando a creare un'intelligenza artificiale astuta e lo studio dei circuiti nelle reti artificiali sta aiutando a rispondere a domande fondamentali sul cervello".

 

fonte:

• Nicolas Y. Masse, Guangyu R. Yang, H. Francis Song, Xiao-Jing Wang, David J. Freedman. Circuit mechanisms for the maintenance and manipulation of information in working memory. Nature Neuroscience, 2019; DOI: 10.1038/s41593-019-0414-3

 

Articolo a cura del Dottor Andrea di Maio

 

 

---

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

---