Un singolo neurone non è un semplice interruttore. È una centrale elettrica.
Una nuova ricerca capovolge il copione su come comprendiamo le unità di elaborazione del cervello. Per decenni, la scienza ha presupposto che il nostro vantaggio cognitivo provenisse dalla vasta scala. Conosci la logica: 100 miliardi di neuroni. Trilioni di connessioni. Un hardware più grande equivale a una maggiore intelligenza.
Ma un recente studio pubblicato su Proceedings of the National Academy of Sciences (PNAS) suggerisce che tale ipotesi è obsoleta. Il vero segreto? La complessità computazionale dei neuroni umani è molto più profonda di quanto si pensasse in precedenza.
Una cellula cerebrale può eseguire calcoli che competono con una profonda rete neurale artificiale. Non le unità semplificate dell’intelligenza artificiale di oggi, ma quelle complesse e stratificate.
Ciò sposta l’intero panorama delle neuroscienze. Se l’intelligenza non è solo una questione di quantità, ma di qualità per cellula, dobbiamo guardare da dove hanno effettivamente origine il linguaggio, la matematica e persino l’immaginazione. Potrebbero iniziare all’interno di un singolo microchip solitario nella corteccia.
Il “microchip” nella tua testa
I neuroni nella corteccia umana – lo strato esterno responsabile del pensiero di ordine superiore – si comportano più come processori sofisticati. Non si limitano a trasmettere segnali come una brigata di secchi. Analizzano. Si combinano. Calcolano.
I ricercatori dell’Università Ebraica, guidati dai Proff. Idan Segev e Mickey Londan hanno collaborato con gli scienziati dell’Edmond and Lily SafraCenter for Brain Sciences (ELSC) per dimostrarlo. Includevano la collaborazione del Prof. Chris de Kock presso la Libera Università di Amsterdam.
“Le persone spesso pensano a un neurone come a un interruttore on-off”, ha spiegato Segev. “Ciò che dimostriamo è che un singolo neurone umano è esso stesso un dispositivo informatico straordinariamente sofisticato.”
Pensatela in questo modo: una lampadina o si accende oppure no. Un neurone corticale umano? Pesa i dati in arrivo, considera il contesto dei suoi dendriti e prende una decisione calcolata che imita un modello di intelligenza artificiale a più livelli.
Come lo hanno testato
Non puoi semplicemente misurare la dimensione di una cellula e indovinarne il QI. Un neurone più grande non significa sempre uno più intelligente.
Il team aveva bisogno di una metrica. Quindi hanno creato dei gemelli digitali.
Utilizzando la modellazione computerizzata e l’intelligenza artificiale, hanno tentato di replicare il comportamento dei neuroni biologici utilizzando reti neurali artificiali (ANN). Era un gioco d’imitazione.
- Hanno preso un neurone biologico.
- Gli hanno dato degli input.
- Hanno guardato l’output.
- Quindi, hanno provato ad addestrare una rete di intelligenza artificiale a riprodurre quell’esatto risultato.
Ecco il bello: i neuroni semplici di altri mammiferi erano facili da copiare. Una rete di intelligenza artificiale piccola e superficiale potrebbe imitare facilmente il loro comportamento.
Neuroni corticali umani? Quelli erano duri.
L’intelligenza artificiale doveva essere significativamente più profonda, più elaborata e molto più complessa per riprodurre accuratamente gli schemi di attivazione di una cellula umana. Più il neurone era difficile da copiare, maggiore era il potere computazionale che possedeva.
Perché il cervello umano vince
I dati parlano chiaro: i neuroni corticali umani necessitano di reti artificiali più complesse per imitarli rispetto a quelli di altri mammiferi.
Perché? Dipende dalla struttura. Nello specifico, gli alberi dendritici. Queste sono le strutture ramificate che ricevono i segnali. I neuroni umani hanno alberi dendritici complessi e riccamente ramificati con proprietà elettriche distintive.
Questo non è solo un cablaggio passivo. Permette al neurone di analizzare combinazioni di segnali anziché semplicemente sommarli linearmente.
Una cellula può funzionare come un sistema a strati con capacità paragonabili a una rete neurale profonda.
Questa capacità spiega perché possiamo distinguere dettagli sottili, come la differenza tra un gatto e un cane in un’immagine, o cogliere concetti matematici astratti. Non contiamo solo i neuroni. Stiamo sfruttando la potenza di elaborazione avanzata di ogni singola cella.
Cosa significa per l’intelligenza artificiale
Questa non è solo curiosità accademica. Ha enormi implicazioni per la progettazione dell’intelligenza artificiale ispirata al cervello.
La maggior parte degli attuali modelli di apprendimento automatico si basano su unità artificiali semplificate. Li impilano in strati profondi, sperando che emerga la complessità collettiva. È un approccio di forza bruta.
Se vogliamo costruire sistemi veramente avanzati, forse dobbiamo guardarci dentro. Verso la biologia.
I futuri modelli di intelligenza artificiale potrebbero utilizzare componenti artificiali che imitano la complessità computazionale dei neuroni umani. Invece di unità stupide, stupide e stupide impilate in alto, immagina unità di elaborazione intelligenti e sfumate che gestiscono la complessità individualmente.
Questo è un percorso diverso. Uno che si allontana dalla scala grezza e verso la sofisticazione strutturale.
La ricerca sfida la vecchia visione secondo cui l’intelligenza è solo un gioco di numeri. La cognizione umana non significa solo avere un cervello grande. Si tratta di avere parti intelligenti.
Mentre ampliamo i confini delle neuroscienze e dell’apprendimento automatico, il confine tra biologia e silicio potrebbe sfumare in modi inaspettati. Ma una cosa rimane chiara: la più grande risorsa del cervello umano potrebbe non essere la sua dimensione.
È la complessità della cellula.
