Roma – Si chiama CEBRA, è un nuovo sistema di apprendimento automatico in grado di ricostruire la struttura nascosta del codice neurale. Descritto sulla rivista Nature, questo entusiasmante risultato è stato raggiunto dagli scienziati della Scuola Politecnica Federale di Losanna (EPFL). Il gruppo di ricerca, guidato da Mackenzie Mathis, è riuscito a decodificare i segnali cerebrali di un modello murino attraverso la costruzione di reti neurali artificiali in grado di catturare le dinamiche cerebrali con un grado di accuratezza senza precedenti. Gli scienziati hanno sottoposto dei topolini alla visione di un filmato in bianco e nero di un uomo che corre verso un’auto. CEBRA è stato in grado di leggere gli stimoli ricevuti dal cervello e ricostruire in un altro schermo una sequenza di immagini sorprendentemente simile a quella proiettata per gli animali.
EPFL Interview
CREDIT
EPFL/Hillary Sancutary/Alain Herzog/Allen Institute/Roddy Grieves
C’erano delle distorsioni inquietanti, osservano gli esperti, come se ci fosse un bug nel Matrix, ma questo potrebbe dipendere dal fatto che il sistema apprende dati neurali grezzi. Gli autori sottolineano inoltre che CEBRA può essere utilizzato per prevedere i movimenti del braccio nei primati e ricostruire le posizioni di un modello murino durante una corsa in un’arena. “Questo lavoro – sostiene Mathis – rappresenta un passo in avanti sostanziale verso gli algoritmi applicati alla neurotecnologia e alle interfacce mente-computer (BMI)”. I segnali cerebrali vengono ottenuti direttamente misurando l’attività cerebrale tramite elettrodi inseriti nell’area della corteccia visiva del cervello del topo, oppure utilizzando sonde in animali geneticamente modificati affinché sia visibile l’area cerebrale attiva. “CEBRA – spiega Mathis – si basa sull’apprendimento contrastivo, una tecnica che apprende come i dati ad alta dimensione possono essere organizzati, o incorporati, in uno spazio a dimensione inferiore chiamato spazio latente, in modo che punti dati simili siano vicini. Questo approccio permette di dedurre relazioni e strutture nascoste all’interno delle informazioni elaborate”. “Il sistema – conclude Steffen Schneider, altra firma dell’articolo – permette di combinare i dati in diverse modalità, come le caratteristiche dei film e i dati del cervello, e aiuta a limitare le sfumature che dipendono da come gli input siano stati raccolti. L’obiettivo finale di CEBRA sarà quello di identificare una struttura nei sistemi complessi e aiutarci a capire come il cervello possa elaborare le informazioni. Le potenziali applicazioni cliniche sono entusiasmanti e non si limitano alla ricerca neuroscientifica”. (30science.com) Valentina Di Paola
