L'intelligenza artificiale (AI) ha ancora molto da imparare dai cervelli degli animali, afferma Anthony Zador, neuroscienziato del Cold Spring Harbor Laboratory (CSHL). Ora, spera che le lezioni della neuroscienza possano aiutare la prossima generazione di intelligenza artificiale a superare alcune barriere particolarmente difficili.

Antonio Zador, M.D., dottorato di ricerca, ha trascorso la sua carriera lavorando per descrivere, fino al singolo neurone, le complesse reti neurali che costituiscono un cervello vivente. Ma ha iniziato la sua carriera studiando le reti neurali artificiali (ANNs). ANN, quali sono i sistemi informatici dietro la recente rivoluzione dell'IA, sono ispirati alle reti ramificate dei neuroni nel cervello animale e umano. Però, questo concetto ampio è di solito dove finisce l'ispirazione.

In un pezzo in prospettiva recentemente pubblicato su Comunicazioni sulla natura , Zador descrive come algoritmi di apprendimento migliorati consentono ai sistemi di intelligenza artificiale di ottenere prestazioni sovrumane su un numero crescente di problemi più complessi come gli scacchi e il poker. Ancora, le macchine sono ancora perplesse da quelli che consideriamo i problemi più semplici.

Risolvere questo paradosso può finalmente consentire ai robot di imparare a fare qualcosa di così organico come inseguire una preda o costruire un nido, o anche qualcosa di umano e banale come lavare i piatti, un compito che il CEO di Google Eric Schmidt una volta definì "letteralmente la richiesta numero uno... ma un problema straordinariamente difficile" per un robot.

"Le cose che troviamo difficili, come il pensiero astratto o il gioco degli scacchi, non sono in realtà la cosa difficile per le macchine. Le cose che troviamo facili, come interagire con il mondo fisico, questo è ciò che è difficile, " Ha spiegato Zador. "La ragione per cui pensiamo che sia facile è che abbiamo avuto mezzo miliardo di anni di evoluzione che ha cablato i nostri circuiti in modo da farlo senza sforzo".

Ecco perché Zador scrive che il segreto per un apprendimento rapido potrebbe non essere un algoritmo di apprendimento generale perfezionato. Anziché, suggerisce che le reti neurali biologiche scolpite dall'evoluzione forniscono una sorta di impalcatura per facilitare l'apprendimento rapido e facile per tipi specifici di compiti, solitamente quelli cruciali per la sopravvivenza.

Ad esempio, Zador indica il tuo cortile.

"Hai scoiattoli che possono saltare da un albero all'altro entro poche settimane dalla nascita, ma non abbiamo topi che imparano la stessa cosa. Perché no?" disse Zador. "È perché si è geneticamente predeterminati a diventare una creatura che abita sugli alberi."

Zador suggerisce che un risultato di questa predisposizione genetica è il circuito innato che aiuta a guidare l'apprendimento precoce di un animale. Però, queste reti di scaffolding sono molto meno generalizzate della panacea percepita dell'apprendimento automatico che la maggior parte degli esperti di intelligenza artificiale sta perseguendo. Se le RNA identificassero e adattassero insiemi simili di circuiti, Zador sostiene, i robot domestici del futuro potrebbero un giorno sorprenderci con piatti puliti.