Negli ultimi decenni, l'intelligenza artificiale ha dimostrato di essere molto brava a raggiungere obiettivi eccezionali in diversi campi. Gli scacchi sono uno di questi:nel 1996, per la prima volta, il computer Deep Blue ha battuto un giocatore umano, campione di scacchi Garry Kasparov. Una nuova ricerca mostra ora che la strategia del cervello per immagazzinare i ricordi può portare a ricordi imperfetti, ma a sua volta, permette di immagazzinare più ricordi, e con meno problemi dell'IA. Il nuovo studio, realizzato da scienziati della SISSA in collaborazione con Kavli Institute for Systems Neuroscience &Center for Neural Computation, Trondheim, Norvegia, è appena stato pubblicato in Lettere di revisione fisica .

Reti neurali, reale o artificiale, imparare modificando le connessioni tra i neuroni. Rendendoli più forti o più deboli, alcuni neuroni diventano più attivi, alcuni meno, finché non emerge un modello di attività. Questo modello è ciò che chiamiamo "un ricordo". La strategia dell'IA consiste nell'utilizzare algoritmi lunghi e complessi, che sintonizzano e ottimizzano in modo iterativo le connessioni. Il cervello lo fa in modo molto più semplice:ogni connessione tra i neuroni cambia solo in base a quanto sono attivi i due neuroni contemporaneamente. Rispetto all'algoritmo AI, questo era stato a lungo pensato per consentire l'archiviazione di un minor numero di ricordi. Ma, in termini di capacità di memoria e recupero, questa saggezza si basa in gran parte sull'analisi delle reti assumendo una semplificazione fondamentale:che i neuroni possano essere considerati come unità binarie.

La nuova ricerca, però, mostra il contrario:il minor numero di ricordi immagazzinati usando la strategia del cervello dipende da tale presupposto irrealistico. Quando la semplice strategia usata dal cervello per cambiare le connessioni è combinata con modelli biologicamente plausibili per la risposta dei singoli neuroni, quella strategia funziona così come, o anche meglio, rispetto agli algoritmi di intelligenza artificiale. Come potrebbe essere questo il caso? Paradossalmente, la risposta sta nell'introdurre errori:quando una memoria viene effettivamente recuperata questa può essere identica all'input originario da memorizzare o ad essa correlato. La strategia del cervello porta al recupero di ricordi che non sono identici all'input originale, silenziando l'attività di quei neuroni che sono solo a malapena attivi in ​​ogni pattern. Quei neuroni silenziati, infatti, non giocano un ruolo cruciale nel distinguere tra le diverse memorie immagazzinate all'interno di una stessa rete. Ignorandoli, le risorse neurali possono essere focalizzate su quei neuroni che contano in un input da memorizzare e consentono una maggiore capacità.

Globale, questa ricerca mette in evidenza come le procedure di apprendimento auto-organizzato biologicamente plausibili possono essere altrettanto efficienti quanto gli algoritmi di addestramento lenti e neuralmente non plausibili.