Tra la moltitudine di applicazioni nel settore dell’assistenza sanitaria e della ricerca scientifica, l’intelligenza artificiale sta giocando un ruolo di rilievo anche in campo neurologico, insegnandoci cose inedite e sorprendenti sul funzionamento della mente umana.
Ultimamente, com’è noto anche grazie alla diatriba Garante Privacy vs OpenAI e ChatGPT, il mondo è caratterizzato dall’ascesa dell’intelligenza artificiale grazie all’impiego di chatbot dalle sembianze “spaventosamente umane” (lasciando da parte GPT-4). L’intelligenza artificiale sta aiutando gli scienziati a decodificare il modo in cui i neuroni del nostro cervello comunicano tra loro, esplorando la natura della cognizione umana. Queste nuove ricerche potrebbero, un giorno, portare gli esseri umani a connettersi con i vari dispositivi tecnologici con il semplice pensiero, anziché digitando o impartendo comandi vocali. Ma c’è ancora molta strada da fare prima che queste “visioni” diventino realtà.
Lo studio dell’Univesità di Berkeley
Uno studio della University of California, Berkeley[1], ha esaminato la vasta gamma di opinioni che le persone hanno su alcuni politici, tra cui Barack Obama e Donald Trump. La ricerca ha inteso esplorare la crescente divergenza del modo in cui concepiamo i soggetti a cui attribuiamo giudizi morali (come i politici, per l’appunto). Studi precedenti dimostrarono che i concetti moralmente sconvolgenti sono quelli che le persone percepiscono in modo più “polarizzato”. Per stabilire una base di partenza per l’esperimento, i ricercatori hanno iniziato con domande “semplici”, chiedendo a migliaia di partecipanti allo studio di esplicare le loro associazioni mentali con sostantivi comuni, come gli animali. Gli psicologi di Berkeley hanno scoperto che anche per gli animali “comuni”, come polli, balene e salmoni, le persone hanno un’idea molto diversa delle loro caratteristiche. Per alcuni le balene non sono grandi; per altri, i pinguini sono pesanti. Interrogando le persone su molte associazioni di questo tipo, i ricercatori dell’Università californiana sono riusciti a raccogliere un insieme di dati che raggruppano le persone in base a quali associazioni mentali concordano.
Con questo metodo, è stato scoperto che le persone possono essere raggruppate in gruppi diversi (da dieci a trenta), a seconda della loro percezione di un determinato animale. Le persone tendono a non vedere di buon occhio nemmeno le caratteristiche più elementari di oggetti comuni che, apparentemente, dovrebbero trovare un parere unico. Inoltre, si sopravvaluta il numero di persone che “vedono le cose” come noi. La radice di questo fenomeno potrebbe essere il fatto che, anche se i cittadini di uno stesso paese parlano la medesima lingua, le parole utilizzate non hanno lo stesso significato per tutti. Tuttavia, per i ricercatori della University of California, Berkeley, il “grado di verità” di questo fenomeno potrebbe essere maggiore di quanto gli psicologi pensassero in precedenza. Per arrivare a questa intuizione è stato necessario applicare uno strumento matematico alimentato dall’Intelligenza Artificiale. La caratteristica più importante dell’Intelligenza Artificiale è che consente nuovi tipi di ricerca, così come succede con ChatGPT di OpenAI, Bard di Google e Bing Chat di Microsoft; ossia, la capacità dei moderni sistemi informatici di elaborare molti più dati rispetto al passato. Tutto ciò apre molte possibilità di nuove conoscenze, dalla biologia alla medicina, sino alle scienze cognitive.
L’IA fa luce sulla sostanza dei nostri pensieri
Uno studio “coast-to-coast” statunitense[2], pubblicato su Nature ad inizio anno, ha utilizzato gli stessi tipi di reti di neuroni artificiali che sono alla base della maggior parte delle applicazioni dell’Intelligenza Artificiale. Un team “composito” University of California Los Angeles- Cold Spring Harbor Laboratory (New York) ha utilizzato l’Intelligenza Artificiale per interpretare i segnali elettrici di centinaia di neuroni presenti nel cervello di alcuni animali. Il team ha addestrato reti di neuroni artificiali a svolgere gli stessi compiti di un animale (ad esempio un verme che nuota). È stato scoperto che queste reti artificiali sono organizzate in modi simili a quelle naturali animali. Mentre le reti neurali nel cervello sono molto più complicate, il risultato di questa simulazione è un “sistema-modello” abbastanza vicino al suo equivalente biologico (e abbastanza semplice da insegnarci qualcosa sul funzionamento del cervello).
L’intuizione chiave che ne deriva è che la sostanza del pensiero (gli schemi che costituiscono la mente che state usando per leggere questa frase) è un’attività elettrica dinamica nel nostro cervello piuttosto che qualcosa di fisicamente ancorato a particolari neuroni. Il pensiero, a quanto pare, è costituito da segnali elettrici che si muovono all’interno della nostra testa, formando un codice complesso che viene trasportato dai nostri neuroni. Inoltre, l’Intelligenza Artificiale consente agli scienziati di ascoltare ciò che accade nel nostro cervello quando non stiamo facendo nulla di particolare. E presto potremmo essere in grado di determinare se gli esseri umani stanno pensando a cose reali o meno.
Lo studio Meta
Infine, un altro studio “in itinere”[3], patrocinato da Meta, porta avanti l’ambizioso progetto della “lettura della mente”. Storicamente, è stato molto difficile misurare l’attività cerebrale all’interno della nostra testa, perché i segnali elettrici generati dal nostro cervello, che sono minuscoli, devono essere misurati dall’esterno del nostro cranio. L’Intelligenza Artificiale sta aiutando gli scienziati a studiare le letture da elettroencefalogramma e ad esplorare la natura della cognizione umana. I dati raccolti da esperimenti linguistici sono stati utilizzati da Meta per sviluppare una prima versione di un algoritmo in grado di leggere parole e frasi dalla mente di una persona. Ma i progressi nelle tecniche di Intelligenza Artificiale stanno producendo un amplificatore più potente di questi deboli segnali cerebrali. Nell’estate 2022 il laboratorio di Intelligenza Artificiale di Meta ha pubblicato una ricerca su una di queste tecnologie di lettura della mente. Gli scienziati del colosso di Zuckerberg hanno utilizzato i dati sui segnali cerebrali raccolti da alcuni ricercatori universitari. Questi dati sono stati acquisiti da persone che ascoltavano parole e frasi mentre erano sottoposti a scanner cerebrali non invasivi. Questi scanner erano di due tipi: uno prevedeva un tipo di elettrodi incorporati in una cuffia da nuoto (elettroencefalogramma); l’altro era un magnetoencefalogramma (che studia l’attività cerebrale tramite la misura del campo magnetico generato dall’attività elettrica del cervello). Per analizzare questi dati, i ricercatori hanno utilizzato un tipo di modello di Intelligenza Artificiale ad apprendimento auto-supervisionato.
Tale modello ha in comune con l’apprendimento supervisionato il fatto che i dati di addestramento sono etichettati; tuttavia l’etichettatura avviene automaticamente, senza l’intervento di un essere umano[4]. Senza questa tecnica, ad esempio, l’ultima generazione di chatbot sarebbe impossibile (es. ChatGPT). Tali modelli sono in grado di estrarre il significato da enormi quantità di dati senza alcuna istruzione da parte dell’uomo; per questo motivo sono stati anche utilizzati per cercare di capire quali animali comunicano tra loro. I ricercatori valutano le fluttuazioni dei sensori del magnetoencefalogramma mentre viene registrata l’attività neurale di un soggetto. La ricerca di Meta suggerisce che tali misurazioni potrebbero essere utilizzate in futuro per consentire alle persone di governare dispositivi e piattaforme con il semplice pensiero.
Per poco meno della metà del tempo preventivato, l’algoritmo di Intelligenza Artificiale di Meta è stato in grado di indovinare correttamente le parole ascoltate da una persona in base all’attività generata nel suo cervello.
Un caveat: funziona solo sul cervello su cui è stato addestrato in precedenza.
Potrebbe non sembrare un risultato impressionante, ma è un passo avanti rispetto a ciò che tali sistemi sono stati in grado di ottenere in passato (e per passato intendiamo tre-cinque anni fa…). L’obiettivo finale di questo lavoro è creare un decodificatore vocale di uso comune che possa trasformare direttamente la nostra attività cerebrale, ossia i nostri pensieri, in parole. Staremo a vedere come la tecnologia evolverà nei prossimi mesi.[5]
Note
- Latent Diversity in Human Concepts. The MIT Press. https://direct.mit.edu/opmi/article/doi/10.1162/opmi_a_00072/114924 ↑
- Choice selective inhibition drives stability and competition in decision circuits. Nature. https://www.nature.com/articles/s41467-023-35822-8 ↑
- Decoding speech from non-invasive brain recordings. Arxiv. https://arxiv.org/abs/2208.12266?fbclid=IwAR3y4D9LCxRawuSZuuZHSeeN3OSvC_Yut7GEM5rrAyu9enymw4LNgP_Z65U ↑
- Cos’è l’apprendimento auto-supervisionato, o self supervised learning. Notizie.AI. https://www.notizie.ai/che-cose-lapprendimento-auto-supervisionato-o-self-supervised-learning/ ↑
- Artificial Intelligence Is Teaching Us New, Surprising Things About the Human Mind. The Wall Street Journal. https://www.wsj.com/articles/artificial-intelligence-is-teaching-us-new-surprising-things-about-the-human-mind-ba7cdceb ↑
