A computational model of infant sensorimotor exploration in the mobile paradigm

Sintesi Tecnica: Un Modello Computazionale dell'Esplorazione Sensomotoria Infantile nel Paradigma del Mobile

Definizione del Problema
Il documento affronta i meccanismi computazionali alla base dell'apprendimento sensomotorio infantile, specificamente all'interno del "paradigma del mobile". In questo paradigma di psicologia dello sviluppo, l'arto di un neonato è collegato a un mobile sospeso sopra una culla; i neonati apprendono a rilevare la contingenza tra i movimenti del proprio arto e il feedback sensoriale risultante (movimento del mobile). Mentre gli studi empirici hanno stabilito che i neonati (particolarmente a 5–6 mesi) possono distinguere rapidamente l'arto "collegato" e aumentarne l'attività, e che questo apprendimento è sensibile alla contingenza stessa piuttosto che alla mera stimolazione, i meccanismi cognitivi e neurali sottostanti rimangono oggetto di dibattito. I precedenti tenti computazionali si sono basati o su un semplice condizionamento operante privo di capacità predittive (fallendo nel spiegare fenomeni come l'"estinzione burst") o su complessi approcci informativi ritenuti impraticabili per i cervelli biologici. Questo articolo propone un modello computazionale dettagliato per replicare il comportamento infantile, testare specifici meccanismi di apprendimento e investigare risultati controversi come l'estinzione burst e la differenza tra condizioni di stimolazione binaria e congiunta (non binaria).

Metodologia
Gli autori hanno sviluppato un modello basato su reti neurali che simula un neonato che interagisce con un mobile. Il modello si fonda su due principi guida: (1) il neonato tenta di prevedere gli esiti sensoriali delle proprie azioni (predizione azione-risultato), e (2) il sistema motorio è biologicamente realistico, coinvolgendo ridondanza e rumore.

• Architettura: Il modello consiste in quattro moduli principali:

  1. Rete Neurale: Una rete completamente connessa con 5 neuroni di input (4 attività degli arti + 1 feedback sensoriale), 8 neuroni nascosti e 601 neuroni di output (600 per i comandi muscolari + 1 per la predizione sensoriale).
  2. Controllo Motorio e Corpo: I 600 neuroni di comando muscolare sono mappati su quattro arti utilizzando un codice di popolazione ispirato all'anatomia umana. Questa mappatura utilizza una distribuzione della funzione Beta per creare un controllo sovrapposto, dove alcuni neuroni influenzano fortemente un arto specifico, altri hanno effetti intermedi e molti hanno effetti trascurabili. Il rumore motorio (valori casuali tra -0,3 e 0,3) viene aggiunto alle attività degli arti per simulare la variabilità biologica.
  3. Feedback Sensoriale: L'ambiente simula un mobile che risponde all'arto "collegato". Vengono testate due condizioni: Binaria (il mobile si attiva per una durata fissa se l'attività dell'arto supera una soglia) e Congiunta/Non-binaria (l'intensità del mobile è proporzionale all'attività dell'arto).
  4. Meccanismo di Apprendimento: La rete viene addestrata online tramite backpropagation per minimizzare una funzione di Perdita (Loss) composta da tre termini:
     • Errore di Predizione Sensoriale: L'errore quadratico medio (MSE) tra il feedback sensoriale predetto e quello reale.
     • Errore di Esplorazione: Un termine MSE derivato da una "Mappa di Interesse dell'Attività". Questa mappa traccia l' "interesse" nei diversi intervalli di attività dell'arto. Se un'azione produce un errore di predizione sensoriale superiore a una "Soglia di Novità" (0,1), l'interesse in quell'intervallo viene impostato a 1 (alto interesse). Se la predizione è corretta, l'interesse decade. La rete è penalizzata se non si muove verso gli intervalli ad alto interesse.
     • Deviazione dalla Baseline: Un termine MSE che assicura che l'attività dell'arto rimanga vicino a un livello di base preferito, che aumenta gradualmente nel tempo per simulare la crescente irritabilità (fussiness).

• Configurazione Sperimentale: Il modello è stato eseguito per 20 simulazioni per condizione (Binaria e Non-Binaria), corrispondenti al numero di partecipanti degli studi empirici recenti (Popescu et al., 2022; Jacquey et al., 2021). Ogni sessione includeva una fase di inizializzazione di 1000 step, una fase contingente di 1200 step e una fase di estinzione di 240 step (disconnessione).

Contributi Chiave

1. Replicazione dei Fenomeni Core: Il modello replica con successo il principale reperto empirico: la rapida differenziazione e l'aumento selettivo dell'attività dell'arto "collegato" rispetto agli arti non collegati.
2. Sensibilità alla Contingenza: Il modello dimostra un'attività più elevata nelle condizioni contingenti rispetto ai gruppi di controllo non contingenti (casuali), confermando che il meccanismo di apprendimento è sensibile al legame causale, non solo alla presenza di stimolazione.
3. Effetti Binari vs. Congiunti: Il modello riproduce il reperto empirico secondo cui la rilevazione della contingenza è più robusta e veloce nelle condizioni binarie rispetto a quelle congiunte. Gli autori attribuiscono ciò al maggiore cambiamento sensoriale per unità di movimento nelle condizioni binarie, rendendo l'arto "collegato" più facile da identificare.
4. Simulazione dell'Estinzione Burst: Il modello presenta occasionalmente un "estinzione burst" (un aumento transitorio dell'attività al momento della disconnessione), riflettendo l'osservazione inconsistente di questo fenomeno nei neonati umani. Gli autori suggeriscono che ciò derivi dalla violazione delle aspettative predittive.
5. Studi di Ablazione: Il documento fornisce prove rigorose della necessità di componenti specifiche:
   • Predizione: Rimuovere la perdita di errore di predizione impedisce al modello di distinguere gli arti collegati.
   • Esplorazione: Rimuovere il calcolatore di rinforzo basato sulla novità elimina la spinta all'esplorazione, impedendo l'apprendimento.
   • Ridondanza Motoria: Ridurre il numero di neuroni di comando muscolare (da 600 a 50 o 100) ostacola significativamente la capacità di apprendere la connessione, suggerendo che il controllo motorio ad alta dimensionalità sia cruciale per la scoperta.
   • Rumore Motorio: Sia un rumore motorio insufficiente che uno eccessivo inibiscono l'apprendimento; un livello intermedio (0,3) è ottimale per abilitare l'esplorazione necessaria a rompere la simmetria tra gli arti.

Risultati
Le simulazioni hanno mostrato che il modello completo impara ad attivare l'arto collegato entro i primi minuti della simulazione, corrispondendo strettamente alla cronologia dei neonati di 6 mesi.

• Specificità: Nel gruppo contingente, l'attività dell'arto collegato è aumentata significativamente rispetto agli arti non collegati. Nel gruppo non contingente, non si è verificata tale differenziazione.
• Estinzione: Sebbene non sistematici, gli estinzione burst sono apparsi in singole sessioni di simulazione, particolarmente nella condizione non binaria, supportando l'ipotesi che questo comportamento derivi dai meccanismi predittivi.
• Esiti delle Ablazioni: I modelli senza meccanismi di errore di predizione o di esplorazione non sono riusciti ad apprendere. I modelli con un numero ridotto di neuroni di comando muscolare o livelli di rumore motorio inappropriati non sono riusciti a differenziare costantemente gli arti o hanno mostrato un'elevata variabilità nel successo dell'apprendimento.

Significatività e Rivendicazioni
Gli autori affermano che il loro modello fornisce un "primo tentativo di un modello computazionale dettagliato" del paradigma del mobile che integra la predizione azione-risultato con un controllo motorio di ispirazione biologica. La significatività del lavoro risiede nella dimostrazione che i meccanismi predittivi (specificamente la predizione azione-risultato e l'esplorazione guidata dalla novità) sono essenziali per l'apprendimento della contingenza sensomotoria, piuttosto che il semplice rinforzo o il condizionamento operante da soli.

Il documento conclude con modestia che, sebbene il modello replichi i principali risultati empirici, non cattura l'intera variabilità dei neonati umani (sia tra i soggetti che entro i soggetti), probabilmente a causa dell'esclusione di distrazioni attentive, sociali e ambientali. Tuttavia, gli studi di ablazione suggeriscono fortemente che i componenti inclusi nel modello — predizione, esplorazione, rumore motorio e controllo motorio ridondante — sono probabilmente ingredienti necessari nei reali meccanismi di sviluppo dei neonati. Il modello serve come punto di partenza per ulteriori indagini sui meccanismi di apprendimento sensomotorio e sulla loro applicazione alla robotica.