Elaborazione parallela

Quando il cervello apprende una nuova capacità motoria, i neuroni formano circuiti che attivano i muscoli del corpo per eseguirla. Ma la stessa rete distribuita controlla le attività motorie correlate, quindi quando si tenta di apprendere molte abilità contemporaneamente, nuove modifiche ai modelli esistenti possono interferire con le abilità apprese in precedenza.

Questo è particolarmente complicato quando stai imparando cose molto simili, dice il professor Emilio Bizzi dell'Istituto. Un nuovo modello computazionale sviluppato da lui e dal ricercatore del McGovern Institute, Robert Ajemian, spiega come il cervello risolve questo problema.

Il cervello è massicciamente parallelo e ogni neurone si connette in media a circa 10.000 altri. Ciò potrebbe far sembrare l'interferenza più probabile di quanto non lo sia nei chip dei computer standard, che elaborano i dati in serie e memorizzano le istruzioni per ogni attività in una posizione separata.

Ma quella connettività consente al cervello di testare molte possibili soluzioni per ottenere combinazioni di compiti. I neuroni cambiano costantemente la forza di queste connessioni, un tratto noto come iperplasticità. Ricevono anche informazioni inutili quanto input utili dai loro vicini.

Senza quel rapporto segnale-rumore molto basso, il cervello iperplastico sovrascriverebbe troppo facilmente i ricordi esistenti. Ma senza l'iperplasticità, il rumore sommergerebbe i piccoli cambiamenti nella connettività, rendendo impossibile l'apprendimento di nuove abilità.

Il tuo cervello cerca sempre di trovare le configurazioni che bilanciano tutto in modo da poter svolgere due o tre attività, o tutte le altre che stai imparando, dice Ajemian. Esistono molti modi per risolvere un'attività e stai esplorando tutti i diversi modi.

nascondere