Lunghe scale temporali supportano l’attività neuronale e il sorprendente cervello umano
I neuroni del cervello sono connessi in estese reti e questa connettività fornisce proprietà che non si trovano nei singoli neuroni. Per esempio, la memoria è stata ampiamente studiata ed è il risultato della presenza di lunghe scale temporali a livello di rete. Sono necessarie lunghe scale temporali affinché la memoria di uno stimolo sia benefica per un lungo periodo di tempo dopo che lo stimolo si è concluso. Un ampio numero di studi ha indicato il livello della rete quale fonte di queste scale temporali. I singoli neuroni, comunque, hanno processi biofisici con scale temporali lunghe. Questi processi sono stati solitamente studiati usando modelli dettagliati che rendono difficile il collegamento di queste proprietà al livello della rete. Il progetto Multiple timescales, finanziato dall’UE nell’ambito di un’azione Marie-Curie di sovvenzioni di integrazione per la carriera, ha studiato scale temporali multiple. Il progetto ha lavorato per comprendere le implicazioni dinamiche e computazionali della connessione di molti singoli neuroni, dove ognuno di essi è dotato di scale temporali multiple. Istruzioni semplici e un modello complesso Come spiega il prof. Omri Barak, coordinatore del progetto, «il comando “gira a sinistra al prossimo incrocio”, sebbene apparentemente facile da interpretare, comporta l’integrazione di informazioni in almeno due scale temporali diverse». L’informazione sensoriale della parola «gira» deve essere memorizzata per circa un secondo fino alla conclusione della frase. Sull’altra scala temporale, il significato della frase deve essere memorizzato per circa un minuto fino all’effettivo raggiungimento dell’incrocio. Questo esempio presenta solo due scale temporali in un’ampia gamma rilevante per il solo funzionamento quotidiano. «Abbiamo proposto un nuovo modello, che fornisce un’approssimazione molto buona dell’eccitabilità di un singolo neurone su scale temporali prolungate, pur rimanendo relativamente semplice», riassume il prof. Barak. Questi risultati sono stati presentati a conferenze internazionali e pubblicati nella rivista a revisione paritaria Journal of Neuroscience. Inoltre, prosegue il professore, «ho acquisito una comprensione più profonda delle dinamiche delle reti neurali ricorrenti allenate senza dinamiche di eccitabilità». Persino le più semplici delle nostre azioni, come sollevare una mano, implicano milioni di neuroni nel cervello connessi in una rete complessa. Una nuova analisi fa luce sull’interazione tra la semplicità del prodotto della rete e la complessità delle sue dinamiche interne. Come modello ci basiamo sulle reti neurali artificiali, che sono sistemi ingegnerizzati ispirati alla struttura del cervello. Prestazioni a livello umano di reti neurali artificiali Queste reti hanno di recente raggiunto prestazioni al livello di quelle umane in settori quali ad esempio il riconoscimento vocale e delle immagini. La connettività iniziale della rete è casuale e l’addestramento modella la connettività per ottenere il risultato desiderato. In precedenza non si sapeva come l’addestramento influisse sulle dinamiche di queste reti artificiali. Multiple timescales ha dimostrato come le richieste imposte sulla produzione della rete si traducono in modifiche delle dinamiche interne. «Abbiamo scoperto che viene reclutato un numero ridotto di modalità dinamiche per supportare un risultato desiderato.» Presentati anche a seminari e conferenze internazionali, i risultati sono stati pubblicati su Physical Review Letters e in un articolo di opinione su Current Opinions in Neurobiology. Il progresso della ricerca prosegue nel futuro Proseguono i passi in avanti relativi a come le reti neurali ricorrenti allenate portano a risultati sofisticati, come ad esempio giocare una partita di tennis. Usando un approccio di ingegneria inversa, il prof. Barak ha iniziato ad analizzare l’effetto dell’allenamento di reti in cui i singoli neuroni possiedono dinamiche lente di eccitabilità. «Specificamente, adesso stiamo allenando reti neurali ricorrenti che stanno controllando un agente che naviga in un ambiente virtuale. Abbiamo mostrato che l’inserimento di dinamiche lente di eccitabilità può migliorare la memoria spaziale dell’agente e stiamo studiando come ciò accade», sintetizza. Il prof. Barak descrive come i fondi Marie Curie siano stati preziosissimi durante il periodo iniziale, prima di ottenere altre fonti di finanziamento. Proseguendo nell’evoluzione del lavoro, essere stati in grado di partecipare alle conferenze come un gruppo ha contribuito alla formazione del laboratorio. «Oltre a fare significativi progressi relativi al modo in cui scale temporali multiple possono portare a una funzione cerebrale ottimale attraverso le reti neurali, la sovvenzione di integrazione per la carriera mi ha aiutato, come suggerisce il nome, a integrarmi nel mio nuovo lavoro come ricercatore principale», conclude il prof. Barak.
Parole chiave
Multiple timescales, rete, neurone, lunghe scale temporali, memoria, rete neurale artificiale
