Il cervello umano è una macchina vasta e intricata che trasforma la luce che colpisce l'occhio nel mondo ricco e colorato che percepiamo. Per decenni, gli scienziati hanno cercato di capire esattamente come ciò avvenga, mappando il percorso dalle semplici linee e colori a idee complesse come "un cane" o "un'auto". Negli ultimi anni, è nato un nuovo campo che tenta di fare l'esatto contrario: leggere l'attività elettrica del cervello per ricostruire ciò che una persona sta vedendo. Questo è il regno della decodifica visiva neurale. Attaccando sensori al cuoio capelluto di una persona per misurare le onde cerebrali, i ricercatori sperano di tradurre quei segnali rumorosi e caotici nelle immagini che la persona sta osservando. È una ricerca volta a costruire un ponte tra la mente biologica e il mondo digitale, promettendo tecnologie future che potrebbero aiutare le persone a comunicare senza parlare o a restituire la vista ai ciechi.

Per molto tempo, l'approccio standard per costruire questo ponte si è basato su un'ipotesi specifica: che la comprensione finale di un'immagine da parte del cervello sia la parte più importante da far corrispondere. I ricercatori prendevano un programma per computer addestrato a riconoscere oggetti — come un sofisticato occhio digitale che ha imparato a distinguere un gatto da un cane — e confrontavano i segnali cerebrali con la conclusione finale, di alto livello, del computer sull'immagine. L'idea era che se il computer dice "gatto", anche il cervello dovrebbe dire "gatto" nel proprio linguaggio elettrico. Tuttavia, questo metodo spesso si scontrava con un muro. Non importava quanto diventasse potente il programma per computer, la capacità di ricostruire accuratamente l'immagine dai segnali cerebrali non migliorava. Di fatto, a volte i modelli informatici più avanzati ottenevano prestazioni peggiori rispetto a quelli più semplici, lasciando gli scienziati perplessi sul perché una maggiore intelligenza nella macchina non portasse a una migliore lettura della mente.

Un nuovo studio pubblicato sulle Transactions on Machine Learning Research sfida questa ipotesi di lunga data. I ricercatori, guidati da un team dell'Università di Pittsburgh e di altre istituzioni, propongono che il problema non fosse l'intelligenza del computer, ma il tempismo del confronto. Sostengono che il cervello non conserva solo l'etichetta finale di un oggetto; esso mantiene un registro dettagliato e multistrato dell'esperienza visiva, dal lampo iniziale di luce e colore fino al concetto finale. Costringendo i segnali cerebrali a corrispondere solo alla conclusione finale e astratta del computer, gli scienziati stavano di fatto chiedendo al cervello di dimenticare tutti i ricchi dettagli dell'immagine e di ricordare solo il nome dell'oggetto. Questo creava un disallineamento, come cercare di inserire un perno quadrato in un foro rotondo.

Per risolvere il problema, il team ha sviluppato un metodo che chiamano "Allineamento Superficiale" (Shallow Alignment). Inveve di aspettare che il programma per computer raggiunga la sua conclusione finale, hanno iniziato a confrontare i segoli elettrici del cervello con i passaggi intermedi del computer. Immaginate un programma per computer che analizza l'immagine di uno struzzo. Nei primi passaggi, nota gambe lunghe e sottili e una specifica consistenza. Nei passaggi intermedi, riconosce la forma di un uccello. Solo nell'ultimo passaggio decide: "Questo è uno struzzo". I ricercatori hanno scoperto che i segnali cerebrali, in particolare quelli misurati dai sensori sul cuoio capelluto, contengono un mix di tutti questi dettagli. Quando hanno allineato i segnali cerebrali con le osservazioni degli strati intermedi del computer — dove l'immagine è ancora dettagliata ma anche iniziante a prendere senso — i risultati sono stati drasticamente migliori.

Il team ha testato questa idea utilizzando dati provenienti da due grandi collezioni di registrazioni cerebrali, una che misurava l'attività elettrica e l'altra che misurava i campi magnetici, entrambe mentre le persone osservavano migliaia di oggetti diversi. Hanno confrontato il loro nuovo metodo con le migliori tecniche esistenti. La differenza era netta. Nei test in cui il computer cercava di indovinare quale immagine una persona stesse vedendo in base alle sue onde cerebrali, il nuovo metodo ha migliorato l'accuratezza con un margine enorme. Per uno dei modelli informatici più avanzati testati, il tasso di successo è balzato da circa il 17 percento a quasi l'83 percento. Questo non era un piccolo aggiustamento; era un cambiamento fondamentale nel modo in cui veniva stabilita la connessione tra cervello e macchina.

Forse la scoperta più sorprendente è stata ciò che accadeva quando utilizzavano modelli informatici più grandi e potenti. Sotto il vecchio metodo, rendere il computer più intelligente spesso rendeva la decodifica peggiore, un fenomeno che gli autori chiamano "paradosso della profondità-capacità". Più il computer comprimeva l'immagine in un'etichetta semplice, più difficile era per i segnali cerebrali corrispondere. Ma con il nuovo metodo di "Allineamento Superficiale", accadeva l'opposto. Man mano che i modelli informatici diventavano più grandi e capaci, le prestazioni di decodifica miglioravano costantemente. I ricercatori hanno dimostrato che, facendo corrispondere il giusto livello di dettaglio, potevano finalmente sbloccare tutto il potenziale di questi massicci cervelli digitali per leggere il pensiero umano.

Lo studio ha anche rivelato che i segnali del cervello non riguardano solo il nome finale dell'oggetto. Quando i ricercatori hanno esaminato ciò che il computer "vedeva" quando commetteva un errore, hanno scoperto che il vecchio metodo spesso recuperava immagini che appartenevano alla categoria giusta ma avevano la forma sbagliata. Ad esempio, se una persona stava guardando uno struzzo, il vecchio metodo poteva recuperare l'immagine di una pecora o di un piccione — animali che sono tutti uccelli, ma che mancano delle caratteristiche zampe lunghe dello struzzo. Il nuovo metodo, invece, ha recuperato con successo lo struzzo e altre immagini che condividevano i dettagli strutturali specifici, come le lunghe e sottili zampe di sostegno, anche se le altre immagini erano di oggetti completamente diversi come tavoli o culle. Ciò suggerisce che il cervello conserva la forma fisica e la consistenza di ciò che vediamo, non solo la categoria a cui appartiene.

Per garantire che non si trattasse solo di un colpo di fortuna di un modello informatico specifico, i ricercatori hanno testato il loro approccio attraverso una vasta gamma di architetture digitali, dai design più vecchi e semplici ai sistemi più nuovi e complessi. In ogni caso, osservare gli strati intermedi dell'elaborazione del computer produceva risultati migliori rispetto all'osservare la fine. Hanno anche scoperto che il miglior livello da osservare non era lo stesso per ogni modello; dipendeva da quanto il computer fosse profondo e complesso. Per alcuni modelli, il punto ottimale era circa a un terzo del processo; per altri, era più vicino ai due terzi. Questa flessibilità suggerisce che la chiave non è un singolo strato magico, ma il trovare il punto specifico in cui la rappresentazione interna del computer corrisponde alla "grana" naturale dei segnali cerebrali.

Le implicazioni di questo lavoro sono significative per il futuro delle interfacce cervello-computer. Suggeriscono che il collo di bottiglia nella lettura della mente non è la mancanza di potenza di calcolo o di dati, ma un malinteso su come il cervello rappresenti il mondo. Allineandosi con il modo naturale e multistrato in cui il cervello vede, piuttosto che forzarlo in una singola scatola astratta, i ricercatori possono costruire sistemi molto più accurati e affidabili. Lo studio conclude che la strada da seguire risiede nel rispettare la complessità del processo visivo del cervello, utilizzando i ricchi dettagli intermedi dei nostri strumenti digitali per decodificare i dettagli altrettanto ricchi e intermedi delle nostre menti. Questo approccio trasforma un frustrante vicolo cieco in un sentiero chiaro, dimostrando che a volte, per comprendere l'intera immagine, bisogna guardare le parti prima che la risposta finale venga scritta.