Un modello al computer imita il modo in cui il cervello umano classifica l'informazione visiva di un'immagine osservata per pochissimi istanti.
Normalmente i computer superano per velocità di calcolo il cervello umano, ma di fronte ad alcuni compiti, come il riconoscimento visivo degli oggetti, quest'ultimo si prende la rivincita, con prestazioni da cui i sistemi di intelligenza artificiale sono ancora lontani. Il cervello possiede infatti un sistema di elaborazione visiva molto più sofisticato ed efficiente, che ci permette di estrarre l'informazione rilevante dopo solo un attimo talmente fuggente da non permettere l'intervento del pensiero cosciente. Per studiare questo fenomeno, i neuroscienziati utilizzano spesso i test di categorizzazione rapida, nei quali le persone devono indicare se un oggetto di un certo tipo (per esempio un animale) è presente o meno in un'immagine mostrata per breve tempo.
Ora uno studio eseguito da un gruppo di ricerca del MIT diretto da Tomaso Poggio (http://web.mit.edu/mcgovern/) - che appare on line sul sito dei Proceedings of the National Academy of Sciences (PNAS, http://www.pnas.org/), in anticipo rispetto alla pubblicazione a stampa - è riuscito a progettare un modello al computer che mima il modo in cui il cervello umano categorizza l'informazione visiva. Dato che il modello è altrettanto rapido quanto l'uomo e tende a commettere lo stesso tipo di errori, i ricercatori ritengono che possa ricalcare fedelmente l'organizzazione reale del sistema visivo cerebrale.
"Abbiamo creato un modello che tiene conto di una notevole quantità di dati anatomici e fisiologici della corteccia visiva - ha detto Tomaso Poggio - per poi cercare di simulare ciò che avviene nei primi 100 millisecondi dopo che abbiamo visto un oggetto. Questa è la prima volta che un modello sia stato in grado di riprodurre il comportamento umano in questo tipo di compito."
Lo studio, che corrobora l'ipotesi che la categorizzazione rapida avvenga senza l'intervento di feedback da parte delle aree cognitive del cervello, potrà aiutare i neuroscienziati a progettare nuovi esperimenti per esplorare i meccanismi di percezione visiva, cognizione e comportamento, anche per quanto riguarda il contributo che possono avere i meccanismi di feedback e feed-forward nei processi di elaborazione dell'informazione in persone colpite da autismo o schizofrenia. Oltre ovviamente a contribuire a colmare le lacune di conoscenza fra intelligenza artificiale e neuroscienze e, in futuro, a progettare migliori protesi sensoriali. (gg)
