Cervello Artificiale con un solo neurone

Per decenni, i ricercatori hanno sviluppato reti neurali artificiali in grado di imitare i metodi utilizzati dalle loro controparti umane per stabilire connessioni tra i singoli neuroni a vari livelli. A seconda dell’allenamento applicato a questi sistemi, sono in grado di determinare autonomamente quali neuroni comunicano particolarmente bene tra loro, ad esempio per riconoscere oggetti, classificare immagini o scrivere testi in modo indipendente.

I ricercatori della Technische Universität Berlin (TU Berlin) sono riusciti a simulare una rete neurale di migliaia di cellule nervose su un computer con un singolo neurone programmato nel codice del software.

Una rete neurale compatta ma efficiente

Nel nostro cervello, sono circa 86 miliardi di cellule nervose che ci assicurano di poter compiere straordinarie prodezze mentali. rispetto al resto del regno animale. Questi neuroni sono interconnessi da sinapsi e sono collegati in una vasta rete attraverso la trasmissione di segnali elettrici e chimici.

Sebbene sia già possibile programmare miliardi di neuroni nei supercomputer, le implementazioni hardware più recenti hanno finora raggiunto solo poche migliaia di cellule nervose artificiali.

Utilizzando l’approccio sviluppato dai ricercatori della TU Berlin, la soluzione a entrambe le sfide potrebbe risiedere nell’uso di un singolo neurone che assume il ruolo di tutti i neuroni in una rete neurale, attraverso un ciclo di feedback input/output con ritardo nel tempo, che potrebbe implicano anche una riduzione del consumo di energia normalmente utilizzato.

Secondo gli stessi ricercatori, in parole semplici, sarebbe come avere un solo ospite in una stanza, che simula la conversazione a un grande tavolo cambiando velocemente posto e parlando a ogni interlocutore. Speciali circuiti di ritardo registrano lo stato del neurone, lo modulano in modo appropriato e restituiscono il segnale ritardato risultante.

“Ora abbiamo dimostrato con il computer che questo è possibile in linea di principio. I circuiti basati su laser sarebbero particolarmente adatti per l’implementazione nell’hardware, perché sono così veloci che i ritardi sono particolarmente brevi”, spiega Florian Stelzer, autore principale dello studio.

In questo concetto, la distanza spaziale regolare tra due neuroni nella rete verrebbe sostituita da un ritardo temporale. “L’opzione per influenzare la forza delle singole connessioni neurali, che è essenziale per l’allenamento, può essere raggiunta manipolando ulteriormente i ritardi”, continua Stelzer.

Una novità degna di nota è che questo sistema può imparare cose nuove a causa del cambiamento dei ritardi temporali. I ricercatori si riferiscono a questo come una ‘rete neurale profonda piegata nel tempo’. Nel suo modello al computer, la sua soluzione è già riuscita a padroneggiare un tipico compito della rete neurale: è stata in grado di ricostruire immagini di vestiti che erano stati resi irriconoscibili dal rumore sovrapposto.

Oltre a chiari miglioramenti pratici nei sistemi di intelligenza artificiale, ulteriori indagini sulla rete neurale nel tempo potrebbero offrire ulteriori approfondimenti. Se il tempo di ritardo tra due neuroni ‘posizionati’ direttamente uno accanto all’altro si riduce ulteriormente, sarebbe teoricamente possibile creare un numero illimitato di neuroni, spiega Serhiy Yanchuk.

Un tale approccio consentirebbe in futuro soluzioni completamente nuove di integrare neuroni artificiali direttamente nei componenti hardware, ad esempio attraverso componenti di costruzione optoelettronici. L’hardware AI che utilizza questo metodo potrebbe anche essere a risparmio energetico e quindi più ecologico, poiché richiede meno energia. Questi risultati sono stati recentemente pubblicati su Nature Communications.

“Questa è una funzionalità completamente nuova delle reti time-folded che passa da singoli nodi discreti nella rete a una sorta di continuum. Ciò a cui ciò potrebbe portare è ancora aperto”, ha detto Ynchuk. Diversi gruppi di lavoro internazionali di fisica e informatica hanno già annunciato i loro piani per implementare questa nuova rete neurale il più rapidamente possibile, anche come circuiti hardware.

I ricercatori attribuiscono il loro successo alla composizione interdisciplinare del loro team di matematici, fisici e informatici. Il team comprendeva ricercatori dell’Università di Tartu in Estonia, nonché dell’Università delle Isole Baleari a Palma di Maiorca.