L'utilità di una memoria guida dove il cervello la salva | Rivista Quanti

La memoria non rappresenta un singolo mistero scientifico; sono molti. Neuroscienziati e psicologi sono arrivati ​​a riconoscere vari tipi di memoria che coesistono nel nostro cervello: ricordi episodici di esperienze passate, ricordi semantici di fatti, ricordi a breve e lungo termine e altro ancora. Questi hanno spesso caratteristiche diverse e sembrano addirittura essere localizzati in parti diverse del cervello. Ma non è mai stato chiaro quale caratteristica di un ricordo determini come o perché dovrebbe essere ordinato in questo modo.

Ora, una nuova teoria supportata da esperimenti che utilizzano reti neurali artificiali propone che il cervello possa ordinare i ricordi valutando la probabilità che siano utili come guide in futuro. In particolare, suggerisce che molti ricordi di cose prevedibili, che vanno dai fatti alle esperienze utili ricorrenti – come quello che mangi regolarmente a colazione o il modo in cui vai al lavoro – vengono salvati nella neocorteccia del cervello, dove possono contribuire a generalizzazioni sul mondo. I ricordi che hanno meno probabilità di essere utili – come il gusto di quella bevanda unica che hai bevuto a quella festa – sono conservati nella banca della memoria a forma di cavalluccio marino chiamata ippocampo. Separare attivamente i ricordi in questo modo sulla base della loro utilità e generalizzabilità può ottimizzare l’affidabilità dei ricordi per aiutarci a navigare in situazioni nuove.

Gli autori della nuova teoria: i neuroscienziati Weinan Sun ed James Fitzgerald del Janelia Research Campus dell’Howard Hughes Medical Institute, Andrea Sax dell'University College di Londra e i loro colleghi - lo descrissero in un recente documento in Nature Neuroscience. Aggiorna ed espande l’idea consolidata secondo cui il cervello ha due sistemi di apprendimento collegati e complementari: l’ippocampo, che codifica rapidamente nuove informazioni, e la neocorteccia, che le integra gradualmente per l’immagazzinamento a lungo termine.

James McClelland, un neuroscienziato cognitivo dell'Università di Stanford che ha aperto la strada all'idea di sistemi di apprendimento complementari nella memoria ma non ha preso parte al nuovo studio, ha osservato che esso "affronta aspetti di generalizzazione" a cui il suo gruppo non aveva pensato quando propose la teoria nello studio metà degli anni '1990.

Gli scienziati hanno riconosciuto che la formazione della memoria è un processo a più fasi almeno dall’inizio degli anni ’1950, in parte dai loro studi su un paziente di nome Henry Molaison – noto da decenni nella letteratura scientifica solo come HM perché soffriva di convulsioni incontrollabili che avevano origine nel suo ippocampo. , i chirurghi lo hanno trattato rimuovendo la maggior parte della struttura cerebrale. Successivamente il paziente appariva del tutto normale sotto molti aspetti: il suo vocabolario era intatto; conservava i suoi ricordi d'infanzia e ricordava altri dettagli della sua vita prima dell'intervento. Tuttavia, dimenticava sempre l'infermiera che si prendeva cura di lui. Durante i dieci anni in cui si prese cura di lui, dovette presentarsi di nuovo ogni mattina. Aveva perso completamente la capacità di creare nuovi ricordi a lungo termine.

I sintomi di Molaison hanno aiutato gli scienziati a scoprire che i nuovi ricordi si formavano prima nell'ippocampo e poi venivano gradualmente trasferiti alla neocorteccia. Per un certo periodo si è ritenuto che ciò accadesse per tutti i ricordi persistenti. Tuttavia, una volta che i ricercatori hanno iniziato a vedere a numero crescente Dopo alcuni esempi di ricordi che a lungo termine sono rimasti dipendenti dall'ippocampo, è diventato chiaro che stava succedendo qualcos'altro.

Per comprendere il motivo di questa anomalia, gli autori del nuovo articolo si sono rivolti alle reti neurali artificiali, poiché la funzione di milioni di neuroni intrecciati nel cervello è insondabilmente complicata. Queste reti sono “un’idealizzazione approssimativa dei neuroni biologici” ma sono molto più semplici di quelle reali, ha detto Saxe. Come i neuroni viventi, hanno strati di nodi che ricevono dati, li elaborano e quindi forniscono output ponderati ad altri strati della rete. Proprio come i neuroni si influenzano a vicenda attraverso le loro sinapsi, i nodi nelle reti neurali artificiali regolano i loro livelli di attività in base agli input provenienti da altri nodi.

Il team ha collegato tre reti neurali con funzioni diverse per sviluppare un quadro computazionale che hanno chiamato modello insegnante-quaderno-studente. La rete degli insegnanti rappresentava l'ambiente in cui un organismo poteva trovarsi; ha fornito input di esperienza. La rete di quaderni rappresentava l'ippocampo, codificando rapidamente tutti i dettagli di ogni esperienza fornita dall'insegnante. La rete di studenti si è formata sugli schemi forniti dal docente consultando quanto registrato sul quaderno. "L'obiettivo del modello studentesco è trovare i neuroni - i nodi - e apprendere le connessioni [che descrivono] come potrebbero rigenerare il loro modello di attività", ha detto Fitzgerald.

Le ripetute ripetizioni dei ricordi provenienti dalla rete di notebook hanno trascinato la rete degli studenti in uno schema generale attraverso la correzione degli errori. Ma i ricercatori hanno anche notato un’eccezione alla regola: se lo studente veniva addestrato su troppi ricordi imprevedibili – segnali rumorosi che si discostavano troppo dal resto – ciò degradava la capacità dello studente di apprendere lo schema generalizzato.

Da un punto di vista logico, “questo ha molto senso”, ha detto Sun. Immagina di ricevere dei pacchi a casa tua, ha spiegato: se il pacco contiene qualcosa di utile per il futuro, "come tazze e piatti da caffè", sembra ragionevole portarlo a casa tua e tenerlo lì permanentemente. Ma se nella confezione c'è un costume di Spider-Man per una festa di Halloween o una brochure per i saldi, non c'è bisogno di ingombrare la casa con esso. Questi oggetti possono essere conservati separatamente o gettati via.

Lo studio fornisce un’interessante convergenza tra i sistemi utilizzati nell’intelligenza artificiale e quelli impiegati nella modellazione del cervello. Questo è un esempio in cui “la teoria di questi sistemi artificiali ha fornito alcune nuove idee concettuali per pensare ai ricordi nel cervello”, ha detto Saxe.

Esistono parallelismi, ad esempio, con il funzionamento dei sistemi computerizzati di riconoscimento facciale. Potrebbero iniziare chiedendo agli utenti di caricare immagini ad alta definizione di se stessi da diverse angolazioni. Le connessioni all'interno della rete neurale possono mettere insieme una concezione generale di come appare il viso da diverse angolazioni e con diverse espressioni. Ma se ti capita di caricare una foto “contenente il volto del tuo amico, il sistema non è in grado di identificare una mappatura facciale prevedibile tra i due”, ha detto Fitzgerald. Danneggia la generalizzazione e rende il sistema meno accurato nel riconoscere il volto normale.

Queste immagini attivano specifici neuroni di input e l’attività fluisce quindi attraverso la rete, regolando i pesi della connessione. Con più immagini, il modello regola ulteriormente i pesi di connessione tra i nodi per ridurre al minimo gli errori di output.

Ma solo perché un'esperienza è insolita e non rientra in una generalizzazione, ciò non significa che debba essere scartata e dimenticata. Al contrario, può essere di vitale importanza ricordare esperienze eccezionali. Questo sembra essere il motivo per cui il cervello classifica i suoi ricordi in diverse categorie che vengono archiviate separatamente, con la neocorteccia utilizzata per le generalizzazioni affidabili e l’ippocampo per le eccezioni.

Questo tipo di ricerca aumenta la consapevolezza sulla “fallibilità della memoria umana”, ha affermato McClelland. La memoria è una risorsa limitata e la biologia ha dovuto scendere a compromessi per utilizzare al meglio le risorse limitate. Persino l'ippocampo non contiene una registrazione perfetta delle esperienze. Ogni volta che un'esperienza viene ricordata, si verificano cambiamenti nei pesi di connessione della rete, facendo sì che gli elementi della memoria vengano mediati maggiormente. Ciò solleva interrogativi sulle circostanze in cui “le testimonianze oculari [potrebbero] essere protette da pregiudizi e influenze derivanti da ripetuti attacchi di domande”, ha affermato.

Il modello può anche offrire spunti su questioni più fondamentali. “Come possiamo acquisire conoscenze affidabili e prendere decisioni informate?” disse Giacomo Antonio, un neuroscienziato della California Polytechnic State University che non è stato coinvolto nello studio. Ciò dimostra l’importanza di valutare i ricordi per fare previsioni affidabili: molti dati rumorosi o informazioni inaffidabili potrebbero essere inadatti all’addestramento degli esseri umani così come lo sono per l’addestramento dei modelli di intelligenza artificiale.