Associative Emotional Learning in Convolutional Neural Networks

Il Trucco Emotivo del Cervello

Immaginate che il vostro cervello sia un detective super intelligente che cerca di risolvere un mistero ogni secondo della vostra vita. Uno dei suoi compiti più importanti è capire cosa sia buono per voi (come un abbraccio caloroso o una fetta di pizza) e cosa sia cattivo (come un'ape ronzante o una buccia di banana scivolosa). Questa capacità di collegare una cosa neutra — come un suono specifico o una forma — a una sensazione di gioia o paura è chiamata apprendimento emotivo associativo. È il motivo per cui potreste sentirvi un po' nervosi quando sentite il trapano di un dentista, ancora prima di vedere la poltrona, perché il vostro cervello ha imparato a collegare quel suono a un'esperienza negativa passata. Gli scienziati hanno cercato di costruire modelli informatici per capire come questo funzioni, ma i vecchi modelli erano un po' come semplici calcolatrici: potevano fare i conti, ma non riuscivano davvero a "vedere" il mondo come un essere umano. Faticavano a spiegare come il nostro cervello gestisce immagini complesse e disordinate e le trasforma in emozioni.

Entra in scena il Deep Learning, un tipo di intelligenza artificiale che utilizza strati di "neuroni" digitali per riconoscere schemi, proprio come la corteccia visiva nei nostri occhi e nel nostro cervello. Queste reti sono bravissime a individuare gatti nelle foto o a leggere la scrittura a mano. Ma possono imparare a provare emozioni? Può un computer, che non prova realmente sentimenti, imparare a trattare una forma noiosa come "spaventosa" solo perché è stata accoppiata a una foto spaventosa? Questa è la grande domanda che i ricercatori si pongono. Se riusciamo a insegnare a un computer di apprendere le emozioni come fa un essere umano, potremmo finalmente comprendere la meccanica nascosta della nostra mente, aiutandoci a capire perché alcune persone rimangono intrappolate in cicli di paura (come nell'ansia o nel PTSD) e come aiutarle a liberarsene.

---

Il Cervello Digitale Impara a Provare Emozioni

In questo studio, un team di ricercatori ha costruito un cervello informatico speciale per vedere se potesse apprendere le emozioni come facciamo noi. Hanno creato un modello chiamato Modello Visivo-Valenza. Pensate a questo modello come ad avere due parti principali: una "Corteccia Visiva" che funge da paio di occhi, e un "Modulo Emotivo" che funge da centro delle sensazioni del cervello (nello specifico l'amigdala e la corteccia orbitofrontale). Per renderlo ancora più realistico, hanno aggiunto una connessione "scorciatoia". Questa è come una corsia preferenziale che permette agli occhi di inviare uno schizzo rapido e grezzo di una scena al centro delle sensazioni prima che gli occhi abbiano finito di scattare una foto dettagliata. Questo imita il modo in cui i nostri cervelli reali a volte reagiscono al pericolo prima ancora di aver compreso pienamente ciò che stiamo guardando.

Per prima cosa, i ricercatori hanno dovuto insegnare a questo cervello digitale cosa sia "buono" e cosa sia "cattivo". Hanno mostrato migliaia di immagini reali provenienti dall'International Affective Picture System (IAPS), che sono famose per essere o molto piacevoli (come un cucciolo o un tramonto) o molto spiacevoli (come un ragno o un bagno sporco). Il computer ha imparato a prevedere un punteggio di "valenza", un numero da 1 (estremamente spiacevole) a 9 (estremamente piacevole), con 5 che rappresenta il neutro. Dopo questo addestramento, il computer poteva guardare un'immagine e dire: "Quella è una 2, è brutta", oppure "Quella è una 8, è fantastica!".

Poi arrivò il vero trucco di magia: il Condizionamento Pavloviano. Lo potreste conoscere dai famosi esperimenti sul cane dove un campanello faceva salivare il cane. Qui, i ricercatori hanno usato un oggetto neutro: un patch di Gabor. Immaginate un cerchio striato e sfocato che sembra un pezzo di estetica statica su una vecchia TV. Di per sé, questo patch è noioso e non ha alcun significato emotivo. I ricercatori hanno accoppiato un patch con strisce a 45 gradi con un'immagine "spiacevole" (come una pistola o un ragno) e un patch a 135 gradi con un'immagine "piacevole" (come un ritratto di famiglia o un cucciolo). Hanno mostrato queste coppie al computer ripetutamente.

I risultati sono stati affascinanti. Dopo solo pochi round di visione di queste coppie, il computer ha iniziato a cambiare idea sulle strisce noiose. Quando gli veniva mostrato il patch a 45 gradi da solo (senza l'immagine spaventosa), il computer improvvisamente lo valutava come spiacevole (intorno a 2,3). Quando gli veniva mostrato il patch a 135 gradi da solo, lo valutava come piacevole (intorno a 8,0). Il computer aveva imparato ad associare le strisce neutre alle sensazioni delle immagini con cui erano state accoppiate, proprio come farebbe un essere umano.

Ma aveva solo memorizzato le immagini esatte, o aveva davvero imparato? I ricercatori hanno testato questo con la generalizzazione. Hanno mostrato al computer strisce ad angoli che non aveva mai visto prima, come 30 o 60 gradi. La reazione del computer svaniva gradualmente man mano che le strisce si allontanavano dagli angoli "addestrati". Se era stato addestrato a 45 gradi, una striscia a 30 gradi risultava un po' spaventosa, ma una striscia a 90 gradi risultava neutra. Questo effetto di "svanimento" è esattamente ciò che accade negli esseri umani, suggerendo che il computer non stava solo memorizzando pixel, ma stava effettivamente imparando un concetto. Hanno anche testato se la posizione della striscia importasse. Anche quando spostavano le strisce in diversi angoli dello schermo dove non erano state addestrate, il computer provava comunque l'emozione, anche se l'effetto era più forte dove era stato addestrato.

Per capire come il computer avesse imparato, i ricercatori hanno guardato dentro il suo "cervello" analizzando i singoli neuroni digitali. Hanno scoperto che, prima dell'apprendimento, i neuroni che reagivano alle immagini spaventose erano diversi da quelli che reagivano alle strisce noiose. Ma dopo l'apprendimento, i neuroni che attivavano per la striscia a 45 gradi hanno iniziato a somigliare e ad agire sempre più come i neuroni che attivavano per le immagini spaventose. Il computer aveva fisicamente rimodellato la sua mappa interna per far sì che la cosa neutra sembrasse la cosa emotiva.

Lo studio ha anche scoperto che questo percorso di "scorciatoia" era cruciale. Quando hanno rimosso la connessione della corsia preferenziale, il computer non è riuscito ad apprendere l'associazione emotiva. Ciò suggerisce che avere una via diretta e veloce dalla visione precoce al centro delle emozioni sia fondamentale affinché questo tipo di apprendimento avvenga.

Tuttavia, i ricercatori sono cauti nel sottolineare ciò che questo studio non ha fatto. Il computer non ha realmente "provato" nulla; ha solo calcolato numeri. La parte visiva del cervello del computer era "congelata", il che significa che non ha cambiato i propri "occhi" durante il processo di apprendimento, solo la parte emotiva lo ha fatto. I cervelli umani reali potrebbero cambiare anche i propri occhi, e questo modello non poteva testare tale aspetto. Inoltre, il computer non aveva un modo per "disimparare" (estinzione), ovvero il modo in cui smettiamo di avere paura di qualcosa una volta che ci rendiamo conto che è sicuro.

In conclusione, questo studio suggerisce che le reti neurali profonde, quando costruite con le giuste scorciatoie e addestrate con le giuste regole emotive, possono imitare il modo in cui gli esseri umani formano memorie emotive. Dimostra che non abbiamo bisogno di un'"anima" magica per apprendere le associazioni; potremmo aver solo bisogno del giusto tipo di architettura a strati e dotata di connessioni scorciatoia. Sebbene questa sia una simulazione e non un vero cervello umano, offre un potente nuovo strumento ai ricercatori per esplorare come le nostre menti colleghino il mondo che ci circonda ai nostri sentimenti più profondi.