Roma – I ratti percepiscono il mondo con una complessità che le moderne reti neurali artificiali faticano a eguagliare. Questa è la scoperta di un recente studio pubblicato sulla rivista Patterns dal Visual Neuroscience Lab della Scuola Internazionale Superiore di Studi Avanzati (SISSA), guidato da Davide Zoccolan. Utilizzando una rete neurale convoluzionale (CNN), un tipo di intelligenza artificiale particolarmente efficace nel riconoscere il contenuto delle immagini, i ricercatori hanno tentato di replicare la capacità dei ratti di riconoscere oggetti in varie condizioni, alterandone dimensioni, posizioni, rotazioni e oscurandoli parzialmente.
I risultati rivelano che, anche rispetto ai progressi nell’intelligenza artificiale, la vista dei ratti è estremamente efficiente e adattabile. Man mano che aumenta la complessità delle manipolazioni delle immagini, la rete neurale richiede più risorse per competere con la capacità di discriminazione dei ratti. Inoltre, i ratti e l’intelligenza artificiale impiegano diverse strategie di elaborazione delle immagini, il che suggerisce che le reti neurali hanno ancora qualcosa da imparare dalle neuroscienze.
Le reti neurali convoluzionali (CNN) sono gli strumenti più avanzati per il riconoscimento delle immagini e sono ispirate, almeno in parte, dal funzionamento della corteccia visiva dei mammiferi. Una CNN è composta da più strati, ognuno dei quali svolge un ruolo specifico nel processo di analisi visiva. Gli strati iniziali elaborano semplici caratteristiche dell’immagine, come bordi e contrasti, mentre gli strati intermedi e finali combinano queste informazioni per riconoscere strutture più complesse e identificare oggetti all’interno delle immagini.
Per questo studio, i ricercatori della SISSA hanno condotto esperimenti comportamentali, addestrando i ratti con una ricompensa a riconoscere e discriminare oggetti in condizioni sempre più difficili. Ad esempio, gli oggetti venivano ruotati, ridimensionati o parzialmente oscurati per valutare la capacità sia degli animali che delle reti neurali di riconoscerli nonostante queste trasformazioni. In scenari più semplici, come i cambiamenti di posizione, la rete neurale è riuscita a replicare l’accuratezza dei ratti utilizzando solo metà degli strati; tuttavia, con l’aumentare della complessità, i ratti hanno mantenuto un tasso di successo piuttosto elevato in tutti i test, mentre la rete aveva bisogno di sempre più strati e risorse per competere, ottenendo risultati comparabili solo utilizzando l’intera profondità dell’architettura convoluzionale.
Inoltre, lo studio ha trovato notevoli differenze nel modo in cui la rete neurale e il sistema visivo del ratto elaborano le informazioni visive, nonostante l’ispirazione biologica della prima. A differenza della CNN, che si basa su modelli specifici per ogni immagine, i ratti sembrano avere strategie più flessibili e generalizzabili che rimangono stabili anche quando l’aspetto di un oggetto cambia in vari contesti. “I ratti, spesso considerati modelli scadenti di visione, in realtà mostrano abilità sofisticate che ci costringono a ripensare al potenziale del loro sistema visivo e, contemporaneamente, ai limiti delle reti neurali artificiali”, spiega Davide Zoccolan. “Questo suggerisce che potrebbero essere un buon modello per studiare le capacità visive umane o dei primati, che hanno una corteccia visiva altamente sviluppata, anche rispetto alle reti neurali artificiali, che, nonostante il loro successo nel replicare le prestazioni visive umane, spesso lo fanno utilizzando strategie molto diverse”.
Lo studio suggerisce anche che una migliore comprensione dei meccanismi con cui i ratti e, più in generale, i mammiferi riconoscono gli oggetti attraverso la vista in contesti complessi o ambigui potrebbe ispirare miglioramenti nei modelli di intelligenza artificiale. Allo stesso tempo, sottolinea che anche i sistemi visivi dei ratti, animali notturni che preferiscono altri sensi altamente sviluppati come l’olfatto per esplorare il mondo, sono piuttosto avanzati.(30Science.com)
