211service.com
Un'intelligenza meno artificiale
Lo studio di 70.000 neuroni di topo potrebbe aiutare Andreas Tolias a costruire un'IA più intelligente. 21 febbraio 2018
Adriano Forrow
Un buon numero di ingegneri che lavorano sull'intelligenza artificiale non si preoccupa se i loro sistemi assomiglino a veri cervelli o meno, purché funzionino bene. Ma anche i migliori sistemi odierni possono generalizzare solo se alimentati con migliaia di campioni e non possono trasferire le loro generalizzazioni in nuovi contesti. Ciò rende l'IA vulnerabile agli aggressori, che possono ingannarla con piccole modifiche ai dati. Il neuroscienziato Andreas Tolias ritiene che le caratteristiche simili al cervello potrebbero risolvere questi problemi.
Nel 2016 ha fondato Neuroscience-Inspired Networks for Artificial Intelligence (NINAI), un tag team di neuroscienziati, fisici, matematici e informatici che fa parte di uno sforzo più ampio per comprendere la funzione neurale (vedi Inside the Moonshot Effort to Finalmente Cervello, novembre/dicembre 2017). La loro corsa a staffetta verso una migliore intelligenza artificiale inizia nel laboratorio di Tolias al Baylor College of Medicine, che registra tutti i neuroni che si attivano all'interno di un cubo di un millimetro della corteccia di un topo. A dicembre, hanno catturato l'attività di 70.000 neuroni in un topo — un'impresa che sarebbe stata impossibile senza le tecniche di imaging a due e tre fotoni che il laboratorio di Tolias ha aiutato a progredire. I topi vanno quindi all'Allen Institute di Seattle, che taglia e fotografa i loro cervelli in modo che una terza squadra, a Princeton, possa diagrammare quali neuroni sono collegati. Confrontando questo diagramma con le loro registrazioni, il laboratorio di Tolias deduce come le cellule si influenzano a vicenda e qual è lo scopo di ciascuna cellula. Se, come sospettano molti neuroscienziati, la corteccia è essenzialmente costruita da poche configurazioni comuni e ripetute di neuroni, spiegare l'attività in un cubo di un millimetro potrebbe rivelare i mattoni di tutta la cognizione.
Adrian Forrow
Tolias si è concentrato su due differenze strutturali chiave tra il cervello e l'IA. Innanzitutto, il cervello di un topo ha circa un centinaio di tipi di neuroni, mentre una tipica rete di intelligenza artificiale ha solo due o tre varietà di neuroni artificiali. I tipi di cellule extra del cervello includono interneuroni, che possono impedire a grandi gruppi di altri neuroni di attivarsi. L'IA non ha un equivalente diretto. I cervelli hanno anche più tipi di connessioni tra i neuroni rispetto alle reti di intelligenza artificiale. La maggior parte delle reti di intelligenza artificiale sono feed-forward, il che significa che i segnali vanno solo in una direzione, da uno strato all'altro della rete. A differenza dei cervelli reali, queste reti non hanno connessioni ricorrenti (che consentono segnali di feedback in direzioni opposte) o connessioni laterali (che collegano i neuroni all'interno dello stesso livello). I pochi tipi di reti di intelligenza artificiale con connessioni ricorrenti e laterali mostrano risultati promettenti, ma il ruolo del feedback nella corteccia richiede molto più studio. Il cervello non ha creato tutta questa ricorrenza per il gusto di farlo, dice Tolias. Sospetta anche che gli interneuroni stiano regolando le connessioni laterali del cervello per creare i poteri generalizzanti che mancano all'IA.
Tolias spera di utilizzare componenti neuro-ispirati, tra cui connessioni laterali, interneuroni e feedback, per costruire un'IA in grado di apprendere in un colpo solo o generalizzare da un singolo esempio. Il successo sarebbe un grosso problema per l'IA e per la neuroscienza, identificando quali caratteristiche dei circuiti neurali sono necessarie per il pensiero astratto. Tolias spiega la sua ricerca con le parole di Richard Feynman: Ciò che non posso creare, non lo capisco.