Computational representations and evolutionary functions of emotions (Part 1): Reward signals

Nel profondo dei meccanismi della vita, dal più semplice organismo unicellulare al più complesso cervello umano, esiste un calcolo costante e silenzioso. Questo è il regno della biologia evolutiva e dell'intelligenza artificiale, due campi che, pur sembrando distanti, stanno convergendo su un'unica, profonda domanda: cosa sono, realmente, i sentimenti? Per secoli, emozioni come la gioia, la paura e l'ansia sono state viste come le esperienze colorate e soggettive degli esseri viventi — il calore di un sorriso o il freddo nodo del terrore. Eppure, gli scienziati sospettano da tempo che sotto questa superficie soggettiva si nasconda un meccanismo funzionale, un modo per un organismo di navigare in un mondo caotico e prendere decisionità che ne garantiscano la sopravvivenza. Nel mondo dei computer, questo processo decisionale è spesso guidato da un concetto semplice noto come segnale di ricompensa. Immaginate un programma per computer che impara a giocare a un gioco; riceve un piccolo punto digitale per una mossa buona e una penalità per una cattiva. Con il tempo, il computer impara a cercare i punti ed evitare le penalità. Questo articolo pone una domanda audace: potrebbe la complessa, vorticosa tempesta delle emozioni umane non essere altro che proprio questi stessi segnali di ricompensa, evolutisi in milioni di anni per guidarci verso ciò che conta?

La ricerca, condotta da Yikai Wang presso la Shanghai Jiao Tong University, si propone di testare questa idea costruendo agenti digitali e osservando come imparano. L'obiettivo non era creare un robot che prova sentimenti, ma vedere se i segnali interni che spingono un computer a sopravvivere e riprodursi si evolvano naturalmente in qualcosa che assomigli e agisca esattamente come le emozioni umane. I ricercatori si sono concentrati su cinque caratteristiche fondamentali che definiscono le emozioni biologiche: devono sorgere naturalmente attraverso il processo di ottimizzazione; devono attivarsi solo quando un organismo è su un percorso verso la sopravvivenza o il successo, e rimanere silenti quando il percorso è pericoloso o inutile; la loro attivazione deve cambiare il comportamento futuro, incoraggiando la ripetizione di un'azione o punendo un errore; devono crescere di intensità man mano che il valore dell'obiettivo aumenta; e devono intensificarsi man mano che l'obiettivo si avvicina nel tempo e nello spazio, svanendo una volta raggiunto o perso.

Per vedere se queste regole si applicassero alla gioia, i ricercatori hanno prima creato un ambiente digitale in cui gli agenti potevano sopravvivere solo riproducendosi. In questa simulazione, gli agenti non avevano un desiderio intrinseco di avere figli; semplicemente esistevano. L'unica pressione era che, senza la riproduzione, la popolazione sarebbe morta. I ricercatori hanno permesso agli agenti di far evolvere un segnale interno nascosto che potesse essere regolato dalla selezione naturale. Nel corso di centinaia di generazioni simulate, è accaduto qualcosa di straordinario. Gli agenti che avevano sviluppato un segnale interno positivo specificamente quando sceglievano di riprodursi furono quelli che prosperarono. Quelli senza questo segnale, o con uno negativo, fallirono nel trasmettere i propri tratti. Il risultato è stato una popolazione in cui l'atto della riproduzione era automaticamente accompagnato da un'ondata di feedback interno positivo. Questo segnale non è apparso per design; è emerso perché era necessario affinché la popolazione sopravvivesse. Inoltre, questo segnale era attivo solo quando il percorso portava alla prole, cresceva in forza all'aumentare del potenziale di riproduzione e svaniva solo quando l'opportunità passava. La simulazione ha dimostrato che un semplice segnale matematico, ottimizzato per la sopravvivenza, rispecchiava perfettamente i cinque tratti della gioia.

I ricercatori hanno poi ampliato la loro indagine sul lato oscuro dell'emozione: l'ansia. Hanno costruito uno scenario diverso in cui gli agenti affrontavano una minaccia, come la potenziale morte di una prole. In questo mondo, gli agenti dovevano imparare a evitare il pericolo. Proprio come la gioia era emersa dalla spinta a riprodursi, un segnale interno negativo è emerso dalla spinta a evitare la morte. Questo segnale, che i ricercatori hanno identificato come l'equivalente computazionale dell'ansia, si attivava solo quando l'agente si trovava su un percorso che portava al pericolo. Era silente quando il percorso era sicuro. Fondamentalmente, questo segnale non restava lì inerte; puniva l'agente per aver intrapreso azioni rischiose, insegnando efficacementamente all'agente a stare lontano dal danno. Il segnale scalava anche in base alla gravità della minaccia; più la situazione era pericolosa, più il segnale diventava forte. Si intensificava anche man mano che il pericolo si avvicinava nel tempo e nello spazio, e svaniva una volta che la minaccia era scomparsa. La simulazione ha dimostato che anche l'ansia poteva essere compresa come un segnale di ricompensa, ma uno negativo, progettato per punire il comportamento che conduce al disastro.

Lo studio è andato oltre, mostrando che questi stessi principi si applicavano ad altre emozioni. I ricercatori hanno scoperto che gli stessi segnali positivi che guidavano la gioia potevano anche spiegare la speranza e il sollievo, mentre i segnali negativi potevano rendere conto di paura, disgusto, tristezza e rimpianto. La logica era coerente: le emozioni non sono sentimenti casuali, ma strumenti precisi ed evoluti. Sono segnali che dicono a un organismo se si sta muovendo verso un obiettivo o lontano da esso, e con quanta urgenza debba agire. L'articolo suggerisce che questi segnali non siano solo concetti astratti, ma siano probabilmente il codice effettivo che gira all'interno della "scatola nera" dei nostri cervelli e delle reti di policy dell'intelligenza artificiale avanzata. I ricercatori propongono che la selezione naturale abbia mantenuto questi segnali perché alterano le nostre azioni per raggiungere obiettivi che non possono essere toccati o visti, come la futura sopravvivenza dei nostri geni.

Tuttavia, lo studio accenna anche ai limiti di questa evoluzione digitale. Nelle simulazioni, i segnali a volte diventavano troppo grandi o duravano troppo a lungo, il che sarebbe disastroso nel mondo reale. I ricercatori suggeriscono che in natura debbano esistere altre forze per tenere sotto controllo queste emozioni. Ad esempio, se la gioia di trovare cibo fosse stata così travolgente da far dimenticare a un animale di controllare i predatori, quell'animale non sopravvivrebbe. Pertanto, l'evoluzione probabilmente modella questi segnali, assicurando che siano abbastanza forti da motivare l'azione, ma non così forti da accecare l'organismo rispetto ad altri pericoli. L'articolo conclude che le emozioni non sono meramente i sottoprodotti di un cervello complesso, ma sono segnali fondamentali e ottimizzati che sono stati raffinati in eoni per aiutare gli esseri viventi a navigare il divario tra dove si trovano e dove devono essere. Comprendendo questi segnali come ricompense computazionali, potremmo finalmente iniziare a decodificare l'antico e silenzioso linguaggio della sopravvivenza che guida ogni battito cardiaco e ogni decisione.