Un modello su larga scala della corteccia visiva primaria può risolvere con precisione molteplici attività di elaborazione visiva

Un modello su larga scala della corteccia visiva primaria può risolvere con precisione molteplici attività di elaborazione visiva

I ricercatori dell'HBP hanno addestrato un modello su larga scala della corteccia visiva primaria del topo per risolvere compiti visivi in ​​modo estremamente efficace. Il modello costituisce la base per una nuova generazione di modelli di reti neurali. Grazie alla loro versatilità e all’elaborazione efficiente dal punto di vista energetico, questi modelli possono contribuire ai progressi nel calcolo neuromorfico.

Modellare il cervello può avere un impatto enorme sull’intelligenza artificiale (AI): poiché il cervello elabora le immagini in modo molto più efficiente dal punto di vista energetico rispetto alle reti artificiali, gli scienziati si stanno ispirando alle neuroscienze per creare reti neurali che funzionino molto più vicino a quelle biologiche, risparmiando energia.

In questo senso, le reti neurali ispirate al cervello avranno probabilmente un impatto sulle tecnologie future fungendo da modelli per l’elaborazione visiva in hardware neuromorfici più efficienti dal punto di vista energetico. Ora uno studio condotto dai ricercatori dello Human Brain Project (HBP) presso l’Università di Tecnologia di Graz (Austria) ha mostrato come un ampio modello basato su dati può riprodurre una gamma di capacità di elaborazione visiva del cervello in modo versatile e accurato. I risultati sono stati pubblicati sulla rivista Science Advances.

eBook sulle neuroscienze

Raccolta delle migliori interviste, articoli e notizie dell'ultimo anno. Scarica una copia oggi

Utilizzando i sistemi pilota PCP presso il Jülich Supercomputing Center, sviluppati in collaborazione tra l’HBP e la società di software Nvidia, il team ha analizzato un modello su larga scala biologicamente dettagliato della corteccia visiva primaria del topo in grado di risolvere molteplici compiti di elaborazione visiva. Questo modello fornisce la massima integrazione di dettagli anatomici e dati neurofisiologici attualmente disponibili per l’area V1 della corteccia visiva, che è la prima regione corticale a ricevere ed elaborare informazioni visive.

Il modello è costruito con un’architettura diversa rispetto alle reti neurali profonde utilizzate nell’attuale intelligenza artificiale e i ricercatori hanno scoperto che presenta vantaggi interessanti in termini di velocità di apprendimento e potenza di elaborazione visiva rispetto ai modelli comunemente utilizzati per l’elaborazione visiva nell’intelligenza artificiale.

Il modello è stato in grado di risolvere tutti e cinque i compiti visivi impostati dal team con elevata precisione. Questi compiti comportavano, ad esempio, la classificazione di immagini di numeri scritti a mano o il riconoscimento di cambiamenti visivi in ​​una lunga sequenza di immagini. Sorprendentemente, il modello virtuale ha raggiunto le stesse elevate prestazioni del cervello, anche quando i ricercatori hanno esposto il modello a rumore nelle immagini e nella rete che non aveva riscontrato durante l’addestramento.

Uno dei motivi della robustezza superiore del modello – o della sua capacità di far fronte a errori o input inaspettati come il rumore nelle immagini – è che riproduce diverse proprietà di codifica distintive del cervello.

Gli autori hanno sviluppato uno strumento unico per studiare l’elaborazione visiva in stile cervello e la codifica neurale e descrivono il loro nuovo modello come una “finestra senza precedenti sulle dinamiche di quest’area del cervello”.

Fonte:

Progetto sul cervello umano

Riferimento:

Chen, G., et al. (2022) Un modello su larga scala basato sui dati per la corteccia visiva primaria consente un'elaborazione visiva robusta e versatile simile al cervello. Progressi scientifici. doi.org/10.1126/sciadv.abq7592.

.