In pochi minuti di addestramento, un nuovo sistema di apprendimento automatico può imparare a sentire gli odori
I neuroscienziati che hanno addestrato una rete neurale artificiale per un semplice compito di classificazione degli odori sono poi rimasti sorpresi nel vederla replicare così fedelmente il sistema biologico adottato dai moscerini della frutta che essenzialmente utilizzano la stessa strategia.
“L’algoritmo che usiamo non ha alcuna somiglianza con il reale processo di evoluzione”, ha dichiarato Guangyu Robert Yang, ricercatore associato al McGovern Institute for Brain Research del MIT, che ha condotto il lavoro alla Columbia University.
Yang e i suoi collaboratori affermano che la loro rete artificiale aiuterà i ricercatori a saperne di più sui meccanismi olfattivi del cervello, come riportato nella rivista Neuron. Il lavoro aiuterà anche a dimostrare la rilevanza delle reti neurali artificiali per le neuroscienze.
“Mostrando che possiamo riprodurre l’architettura [del sistema biologico] in modo molto preciso, penso che daremo maggiore fiducia che queste reti neurali possano continuare ad essere strumenti utili per la modellazione del cervello”, ha dichiarato Yang, che è anche assistente professore nei dipartimenti del MIT di Brain and Cognitive Sciences e Electrical Engineering and Computer Science.
I moscerini della frutta
Gli studi sui moscerini della frutta, l’organismo in cui il circuito olfattivo del cervello è stato meglio mappato, hanno rilevato che l’odore inizia nelle antenne. Lì i neuroni sensoriali, ciascuno dotato di recettori di odore specializzati per rilevare profumi specifici, trasformano il legame delle molecole di odore in attività elettrica.
Quando viene identificato un odore, questi neuroni nel primo strato della rete olfattiva inviano un segnale al secondo strato, che è un gruppo di neuroni nel lobo delle antenne del cervello. I neuroni sensoriali con lo stesso recettore convergono sullo stesso neurone del secondo strato nel lobo delle antenne.
Questo strato della rete è chiamato strato di compressione poiché contiene meno neuroni del primo. Questi neuroni del secondo strato inviano poi segnali a un gruppo più grande di neuroni del terzo strato. Questi collegamenti sembrano essere casuali, il che lascia perplessi.
Wang, che ora è un ricercatore alla Stanford University, sostiene che reti diversamente strutturate potrebbero generare risultati simili, e i neuroscienziati devono ancora stabilire se le reti neurali artificiali riflettono la struttura reale dei circuiti biologici.
Con dati anatomici completi sui circuiti olfattivi del moscerino della frutta, ha dichiarato: “Siamo in grado di porci questa domanda: Le reti neurali artificiali possono davvero essere utilizzate per studiare il cervello?”.
Yang e Wang hanno lavorato insieme ai neuroscienziati della Columbia Richard Axel e Larry Abbott per creare una rete di neuroni artificiali con uno strato di ingresso, uno strato di compressione e uno di espansione, simile al sistema olfattivo del moscerino della frutta. Hanno poi dato lo stesso numero di neuroni del sistema del moscerino della frutta, ma nessuna struttura intrinseca: a quel punto il modello ha imparato a classificare i profumi.
La Rete Artificiale
I ricercatori hanno chiesto alla rete di categorizzare i dati che rappresentano vari profumi e di riconoscere correttamente non solo i singoli odori, ma anche combinazioni di essi. Yang infatti sostiene che il sistema olfattivo del cervello è particolarmente abile in questo. Secondo lui, anche se gli aromi di due mele diverse sono mescolati insieme, il cervello li percepisce ancora come una mela. Al contrario, il cervello non percepisce un gatto quando vede due foto di gatti mescolate pixel per pixel. Questa capacità è solo un elemento dei meccanismi di elaborazione degli odori del cervello, ma Yang ritiene che rappresenti il nucleo del sistema.
La rete artificiale utilizzata per l’esperimento si è organizzata in pochi minuti. La struttura risultante è stata sorprendentemente paragonabile a quella del cervello del moscerino della frutta. Ogni neurone dello strato di compressione riceveva input da un certo tipo di neurone di ingresso e si collegava a molti neuroni dello strato di espansione, apparentemente in maniera casuale. Inoltre, ogni neurone dello strato di espansione riceveva connessioni con una media di sei neuroni dello strato di compressione, proprio come nel cervello del moscerino della frutta.
“Poteva essere uno, potevano essere 50. Avrebbe potuto essere qualsiasi cosa tra i due”, ha continuato Yang. “La biologia ne individua sei, e anche la nostra rete ne ha individuati circa sei”. La rete artificiale ha rilevato questa organizzazione con i tipici metodi di apprendimento automatico, mentre l’evoluzione lo ha fatto attraverso la mutazione casuale e la selezione naturale.
Capire e rilevare gli odori potrebbe essere utile in una grande varietà di campi: quello medico per esempio, per rilevare le malattie, ma se siete pessimisti questa potrebbe essere un’altra arma per un I.A. o un robot per individuare facilmente gli umani.
Fonte neurosciencenews.com
