È possibile ricostruire ciò che qualcuno vede basandosi solo sui segnali cerebrali? La risposta è no, non ancora. Ma i ricercatori dell’EPFL hanno fatto un passo in quella direzione introducendo un nuovo algoritmo per costruire modelli di reti neurali artificiali che catturano le dinamiche cerebrali con un impressionante grado di accuratezza.
Radicato nella matematica, il nuovo algoritmo di apprendimento automatico si chiama CEBRA (pronunciato zebra) e apprende la struttura nascosta nel codice neurale.
Le informazioni che il CEBRA apprende dai dati neurali grezzi possono essere testate dopo l’addestramento mediante decodifica – un metodo utilizzato per le interfacce cervello-macchina (BMI) – e hanno dimostrato di poter decodificare dal modello ciò che vede un topo mentre guarda un film. Ma CEBRA non si limita ai neuroni della corteccia visiva, o anche ai dati del cervello. Il loro studio mostra anche che può essere utilizzato per prevedere i movimenti del braccio nei primati e per ricostruire le posizioni dei topi mentre corrono liberamente in un’arena. Lo studio è pubblicato in Natura.
“Questo lavoro è solo un passo verso gli algoritmi supportati dalla teoria che sono necessari nella neurotecnologia per consentire BMI ad alte prestazioni”, afferma Mackenzie Mathis, Bertarelli Chair of Integrative Neuroscience dell’EPFL e PI dello studio.
Per apprendere la struttura latente (cioè nascosta) nel sistema visivo dei topi, CEBRA è in grado di prevedere fotogrammi cinematografici invisibili direttamente dai soli segnali cerebrali dopo un periodo di addestramento iniziale mappando i segnali cerebrali e le caratteristiche del film.
I dati utilizzati per la decodifica video erano ad accesso aperto tramite l’Allen Institute di Seattle, WA. I segnali cerebrali vengono ottenuti direttamente misurando l’attività cerebrale tramite elettrodi inseriti nell’area della corteccia visiva del cervello del topo, o utilizzando sonde ottiche che consistono nell’utilizzare topi geneticamente modificati, progettati in modo che i neuroni attivati diventino verdi. Durante il periodo di formazione, CEBRA impara a mappare l’attività cerebrale su frame specifici. CEBRA funziona bene con meno dell’1% dei neuroni nella corteccia visiva, considerando che, nei topi, quest’area del cervello è composta da circa 0,5 milioni di neuroni.
“Concretamente, CEBRA si basa sull’apprendimento contrastivo, una tecnica che apprende come i dati ad alta dimensione possono essere organizzati, o incorporati, in uno spazio a dimensione inferiore chiamato spazio latente, in modo che punti dati simili siano vicini e dati più diversi i punti sono più distanti”, spiega Mathis. “Questo incorporamento può essere utilizzato per dedurre relazioni e strutture nascoste nei dati. Consente ai ricercatori di considerare congiuntamente dati neurali ed etichette comportamentali, inclusi movimenti misurati, etichette astratte come “ricompensa” o caratteristiche sensoriali come colori o trame di immagini. “
“CEBRA eccelle rispetto ad altri algoritmi nella ricostruzione di dati sintetici, che è fondamentale per confrontare gli algoritmi”, afferma Steffen Schneider, co-autore dell’articolo. “I suoi punti di forza risiedono anche nella sua capacità di combinare i dati in tutte le modalità, come le caratteristiche dei film e i dati del cervello, e aiuta a limitare le sfumature, come le modifiche ai dati che dipendono da come sono stati raccolti”.
“L’obiettivo di CEBRA è scoprire la struttura in sistemi complessi. E, dato che il cervello è la struttura più complessa del nostro universo, è lo spazio di prova definitivo per CEBRA. Può anche darci un’idea di come il cervello elabora le informazioni e potrebbe essere una piattaforma per scoprire nuovi principi nelle neuroscienze combinando dati tra animali e persino specie”. dice Mathis. “Questo algoritmo non è limitato alla ricerca neuroscientifica, in quanto può essere applicato a molti set di dati che coinvolgono informazioni temporali o congiunte, inclusi dati sul comportamento animale e sull’espressione genica. Pertanto, le potenziali applicazioni cliniche sono entusiasmanti”.
Da un’altra testata giornalistica. news de www.sciencedaily.com
