Rivoluzione attraverso l'intelligenza artificiale: un nuovo modello svela i segreti del cervello del topo!

Rivoluzione attraverso l'intelligenza artificiale: un nuovo modello svela i segreti del cervello del topo!

Un gruppo di ricerca internazionale noto come MICrONS ha sviluppato modelli di intelligenza artificiale innovativi volti ad analizzare l’elaborazione neurale degli stimoli visivi nel cervello. Questi risultati rivoluzionari sono stati pubblicati su rinomate riviste scientifiche Natura E Comunicazioni sulla natura pubblicato. L’Università di Göttingen è coinvolta in modo significativo in questo studio, intitolato “Il modello di base dell’attività neurale predice la risposta a nuovi tipi di stimolo e anatomia” e dimostra la capacità dei modelli di apprendere da grandi insiemi di dati.

Nell’ambito di questo studio sono state analizzate oltre 135.000 cellule nervose nel cervello dei topi. Il modello di intelligenza artificiale sviluppato può prevedere in modo affidabile il modo in cui i neuroni rispondono a nuovi stimoli, anche se questi stimoli erano precedentemente sconosciuti. Il Prof. Dr. Fabian Sinz, uno dei principali scienziati, sottolinea che il modello può fornire risposte più accurate a vari stimoli visivi. Un altro studio di ricerca esamina in dettaglio la forma e la struttura delle cellule nervose nella corteccia visiva. Questo studio, intitolato “Una mappa non supervisionata della morfologia dendritica dei neuroni eccitatori nella corteccia visiva del topo”, mostra che le cellule piramidali mostrano transizioni fluide tra i tipi di cellule e non hanno tipi chiaramente definiti.

Ricerca avanzata con machine learning

Per un’analisi più approfondita delle cellule nervose, i ricercatori hanno sviluppato un metodo di apprendimento automatico che codifica la forma 3D di queste cellule. Il progetto MICrONS coinvolge numerosi rinomati istituti di ricerca come il Baylor College of Medicine, l'Allen Institute for Brain Science e l'Università di Princeton. In questo contesto è stato creato il “MICrONS Multi-Area Data Set”, il più grande set di dati di questo tipo raccolto in un cervello di mammifero in termini di struttura, interconnessione e proprietà di reazione delle cellule nervose.

Questi gemelli digitali delle cellule nervose sono stati in grado di prevederne con successo la forma e la struttura. Le conoscenze acquisite non solo forniscono informazioni più approfondite sull’organizzazione del cervello, ma potrebbero anche contribuire a rendere gli esperimenti neuroscientifici più efficienti. È possibile effettuare esperimenti in silico prima di effettuare effettivamente studi in vivo.

Il ruolo dell'intelligenza artificiale

L'intelligenza artificiale (AI) è una branca dell'informatica che si occupa dello sviluppo di algoritmi che imitano le capacità cognitive umane. Come nel rapporto di bpb.de Come descritto, l’intelligenza artificiale può analizzare grandi quantità di dati, riconoscere modelli e ricavarne informazioni approfondite. Il termine AI, coniato dagli scienziati americani, descrive sistemi che assumono compiti sempre più complessi che un tempo erano riservati agli esseri umani.

In particolare, intere classi di algoritmi di apprendimento, come il machine learning, si sono evolute a partire dagli anni ’50. Questi algoritmi vengono addestrati con grandi set di dati per riconoscere modelli e calcolare le probabilità. Una forma speciale è il deep learning, che si basa su reti neurali artificiali e sta diventando sempre più importante grazie alla sua capacità di elaborare modelli di dati estremamente complessi.

Le reti neurali si ispirano alle connessioni tra le cellule nervose nel cervello umano. Queste reti sono costituite da strati di nodi di dati collegati tra loro da connessioni ponderate e sono in grado di riconoscere modelli nei dati. La formazione di queste reti avviene attraverso la presentazione ripetuta dei dati e attraverso questi processi migliorano la loro capacità di classificare ed elaborare questi dati.

Tuttavia, il progresso dello sviluppo e dell’applicazione dell’intelligenza artificiale comporta anche sfide come la possibilità di distorsioni dovute a dati di addestramento errati, problemi di privacy e aumento del consumo di energia, come ad esempio Fraunhofer IKS note. L’efficienza e le implicazioni etiche delle tecnologie AI rappresentano quindi un importante tema di ricerca.