Roma – Il nostro cervello costruisce mappe dell’ambiente che ci aiutano a comprendere il mondo che ci circonda, consentendoci di pensare, ricordare e pianificare. Queste mappe non solo ci aiutano, ad esempio, a trovare la nostra stanza al piano giusto di un hotel, ma ci aiutano anche a capire se siamo scesi dall’ascensore al piano sbagliato. I neuroscienziati sanno molto sull’attività dei neuroni che compongono queste mappe, come quali cellule si attivano quando ci troviamo in una posizione specifica. Ma il modo in cui il cervello crea queste mappe mentre impariamo resta un mistero. Ora, monitorando l’attività di migliaia di neuroni nel corso di giorni e settimane mentre un animale impara, i ricercatori del Janelia Research Campus dell’HHMI hanno sistematicamente descritto, passo dopo passo, come queste mappe cognitive si formano nell’ippocampo del cervello, una regione responsabile dell’apprendimento e della memoria. Il team, guidato dallo Spruston Lab, ha scoperto che quando un animale impara a raccogliere ricompense da due tracce lineari sottilmente diverse, come i diversi piani di un hotel, i neuroni nell’ippocampo iniziano a rispondere in modi diversi. Alla fine, il cervello produce rappresentazioni completamente distinte di queste tracce visivamente simili che includono informazioni che consentono all’animale di differenziare tra le due opzioni. I ricercatori hanno anche identificato il tipo di modello matematico che riproduce al meglio questo processo di apprendimento, facendo luce sui calcoli che il cervello potrebbe utilizzare per creare queste mappe mentali e fornendo informazioni sulla memoria e sull’intelligenza.
I ricercatori hanno studiato un topo mentre imparava a navigare in due diversi corridoi virtuali: uno con una ricompensa in una posizione vicina e uno con una ricompensa in una posizione lontana. I topi hanno imparato a raccogliere ricompense d’acqua in zone di ricompensa vicine o lontane in due corridoi VR in base a distinti segnali indicatori (strisce o punti) all’inizio del corridoio. I topi esperti, mostrati qui, leccavano solo le zone di ricompensa corrette per attivare una ricompensa d’acqua.
Credito
Sun e Winnubst et al.
“Stiamo mappando il processo passo dopo passo della formazione della mappa cognitiva, che è un concetto così importante”, afferma Weinan Sun, professore associato alla Cornell University che ha co-diretto la ricerca come ricercatore scientifico presso lo Spruston Lab. “Ma c’è anche un secondo contributo: il risultato dell’osservazione di quel processo ci fornisce un indizio sui calcoli sottostanti e ci avviciniamo un po’ di più alla comprensione di cosa sta facendo il cervello nel creare queste mappe”. Comprendere il modo in cui il cervello implementa questi calcoli potrebbe aiutare i ricercatori a sviluppare trattamenti migliori per i disturbi della memoria come l’Alzheimer e a creare sistemi di intelligenza artificiale che ragionino in modo più simile ai cervelli biologici. “Neuroscienze e IA possono imparare molto l’una dall’altra”, afferma Johan Winnubst, scienziato capo di neuroanatomia presso E11 Bio, che ha co-diretto la ricerca come ricercatore scientifico presso lo Spruston Lab. “Ciò che i grandi modelli linguistici sono in grado di fare è davvero impressionante, ma falliscono anche in molti modi molto ovvi e alcuni di questi hanno a che fare con il ragionamento e la pianificazione a lungo termine. Quindi forse introduci alcune delle lezioni che abbiamo imparato dall’ippocampo in questi modelli”. Per osservare come si formano queste mappe cognitive, i ricercatori hanno utilizzato un microscopio ad alta risoluzione progettato da Janelia, dotato di un ampio campo visivo, per acquisire immagini dell’attività neurale in migliaia di neuroni nell’ippocampo di un topo che impara a muoversi in due diversi corridoi virtuali: uno con una ricompensa in una posizione vicina e uno con una ricompensa in una posizione lontana. Vicino all’inizio di ogni corridoio, al topo viene dato un segnale visivo per indicare dove nel corridoio può aspettarsi di trovare una ricompensa d’acqua, in una posizione vicina o lontana. Il topo deve capire la relazione tra il segnale indicatore e dove verrà consegnata la ricompensa. I ricercatori hanno visto che tutti gli animali hanno imparato a muoversi nei corridoi nella stessa sequenza specifica. Per prima cosa, hanno imparato a sopprimere il leccamento dove sapevano che non sarebbero stati ricompensati. Poi, hanno imparato che avrebbero ricevuto solo una ricompensa per corridoio. Infine, hanno imparato a sopprimere il leccamento nella posizione della ricompensa vicina nel corridoio dove la ricompensa era nella posizione lontana. Quando l’animale ha iniziato ad apprendere, la sua attività neurale ha iniziato a riflettere i suoi cambiamenti nel comportamento. All’inizio dell’apprendimento, l’attività dei singoli neuroni era per lo più simile per i due corridoi, formando una traccia lineare con solo lievi differenze che rappresentavano i diversi segnali e le posizioni della ricompensa. Tuttavia, man mano che l’apprendimento dell’animale progrediva, l’attività neurale che rappresentava i diversi corridoi iniziava a differenziarsi ulteriormente. Mentre le posizioni di ricompensa vicine e lontane erano sempre rappresentate in modo diverso l’una dall’altra, ora queste posizioni di ricompensa venivano trattate in modo diverso a seconda del corridoio in cui si trovava il topo: la posizione vicina nel corridoio vicino era rappresentata in modo diverso dalla posizione vicina nel corridoio lontano, anche se erano visivamente identiche. Al termine dell’apprendimento, l’attività di questi neuroni era completamente diversa, con mappe distinte che codificavano informazioni nascoste che consentivano all’animale di distinguere tra i due corridoi. I ricercatori hanno scoperto che ci sono cellule specifiche, chiamate “cellule di stato”, che estraggono informazioni nascoste dall’ambiente per consentire questa differenziazione. Nell’analogia dell’hotel, inizialmente il cervello potrebbe rappresentare tutti i piani in modo simile. Ma dopo qualche giorno, impariamo le differenze tra i piani. Il nostro cervello genera mappe diverse per i diversi piani, ciascuna contenente informazioni nascoste o contestuali, come il numero visualizzato all’interno dell’ascensore ma non più visibile quando usciamo, che ci consente di distinguerli. Per gli animali nel mondo reale, questo processo aiuta a distinguere aree simili ma diverse in una foresta o in un campo. “Inizialmente, l’attività cerebrale è molto simile e, con l’apprendimento, l’attività diventa sempre più diversa fino a diventare ortogonali. E poi, alla fine, ogni schema neurale di attività codificherà uno stato nascosto che rifletterà il vero stato nascosto del compito”, afferma Sun. “Il cervello si preoccupa dell’input sensoriale immediato, ma lo interpreta nel contesto dello stato nascosto in cui si trova l’animale”. Infine, i ricercatori hanno esaminato quali calcoli potrebbero avvenire nel cervello per consentire la formazione della mappa osservata. Il team ha scoperto che il cervello costruisce queste mappe come una macchina a stati, un sistema che capisce situazioni reali deducendo stati nascosti oltre ciò che è immediatamente visibile. Tra i vari modelli computazionali testati, solo un tipo, chiamato Clone-Structured Causal Graph, è riuscito a riprodurre accuratamente questo processo di apprendimento. I ricercatori, che hanno anche creato uno strumento di visualizzazione online per consentire agli scienziati di tutto il mondo di esplorare i dati, affermano che essere in grado di collegare questi elementi, dal comportamento alle singole cellule, ai gruppi di neuroni agli algoritmi, è un passo fondamentale per comprendere veramente come funzionano il cervllo e l’intelligenza. “Uno degli obiettivi finali della neuroscienza è: se osserviamo un comportamento o una funzione cognitiva, vogliamo comprendere tale comportamento o funzione cognitiva non solo in termini di processi cellulari e molecolari responsabili, ma anche della rappresentazione algoritmica utilizzata dal cervello”, afferma il direttore esecutivo di Janelia Nelson Spruston, autore senior della nuova ricerca. “Stiamo arrivando al livello algoritmico, probabilmente il più difficile da definire, che ci aiuta a collegare i punti di come i processi cellulari e molecolari operano effettivamente per produrre un algoritmo nel cervello che può formare questo calcolo che osserviamo sotto forma di comportamento”.(30Science.com)
