Intelligence Cannot Recover What the Instrument Does Not Record
Questo studio stabilisce che l'accuratezza dell'inferenza degli spike neuronali dall'imaging del calcio è fondamentalmente limitata dal contenuto informativo del segnale ottico stesso piuttosto che solo dai modelli computazionali utilizzati, dimostrando che nemmeno gli algoritmi avanzati possono superare un limite di prestazione empirico dettato dalle capacità di registrazione dello strumento.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
I neuroni, le minuscole cellule di comunicazione del cervello, comunicano attraverso rapidi impulsi elettrici chiamati spike. Per comprendere come il cervello pensi, gli scienziati devono ascoltare queste conversazioni. Per decenni, l'unico modo per sentire chiaramente un singolo neurone è stato inserire un sottile filo direttamente in esso, un metodo che è preciso ma impossibile da utilizzare su migliaia di cellule contemporaneamente. Una tecnologia più recente, chiamata imaging del calcio, offre una strada diversa. Invece di ascoltare direttamente l'elettricità, osserva un cambiamento chimico. Quando un neurone si attiva, assorbe un po' di calcio e un colorante speciale all'interno della cellula brilla in risposta. Un microscopio cattura questo bagliore, permettendo ai ricercatori di osservare centinaia di neuroni illuminarsi simultaneamente.
Tuttavia, questo metodo presenta un difetto fondamentale. Il microscopio non vede lo spike elettrico stesso; vede un lampo di luce ritardato, sfocato e rumoroso che avviene dopo lo spike. Lo spike è l'evento, e il bagliore è solo un'ombra di quell'evento. Per capire cosa abbia effettivamente fatto il neurone, gli scienziati devono usare programmi informatici per lavorare a ritroso, indovinando quando si è verificato lo spike in base al modello della luce. Per anni, il campo si è concentrato sul rendere più intelligenti questi programmi di indovinazione. L'assunto è stato che se un modello informatico non riesce a identificare uno spike, il modello è semplicemente non abbastanza buono. Ma questo solleva una domanda più profonda: e se l'informazione fosse già scomparsa prima ancora che il computer provasse a indovinare? E se il microscopio stesso avesse fallito nel registrare i dettagli necessari, lasciando al computer nulla da trovare?
Un nuovo studio di Maurice Antony Ewing affronta esattamente questo problema. Piuttosto che costruire solo una macchina per indovinare migliore, il ricercatore si è chiesto quanta informazione sia effettivamente intrappolata all'interno della luce registrata. Utilizzando una vasta collezione di dati in cui sia gli spike elettrici che i lampi di luce sono stati registrati contemporaneamente, lo studio ha misurato il limite assoluto di ciò che può essere recuperato. I risultati suggeriscono che l'intelligenza, indipendentemente dalla sua avanzatezza, non può ricostruire ciò che lo strumento non ha mai catturato.
I ricercatori hanno analizzato i dati di centinaia di neuroni, osservando la relazione tra l'attivazione elettrica e il conseguente bagliore. Hanno testato una grande varietà di modelli informatici, dagli strumenti statistici semplici ai complessi sistemi di intelligenza artificiale moderna che possono apprendere i propri modi di vedere i modelli. Hanno anche cercato di trovare il massimo teorico di accuratezza possibile per questo compito. Immaginate di cercare di indovinare una parola segreta basandovi su una fotografia sfocata di essa. Non importa quanto sia intelligente chi indovina, se la foto è troppo sfocata per mostrare le lettere, il segreto non può essere risolto. Lo studio ha scoperto che per questo specifico tipo di registrazione cerebrale, esiste un soffitto rigido su quanto bene possa operare qualsiasi computer. I migliori modelli informatici sono riusciti a identificare correttamente gli spike circa l'83,8 percento delle volte. Quando i ricercatori hanno cercato il limite teorico assoluto utilizzando diversi approcci matematici, l'accuratezza massima che sono riusciti a trovare era di circa l'87,1 percento.
Questo stretto divario tra ciò che i migliori computer hanno ottenuto e il limite teorico è significativo. Significa che il problema non è che i computer siano troppo stupidi. Anche un computer perfetto, capace di apprendere qualsiasi schema, probabilmente non farebbe molto meglio dell'87 percento. L'informazione mancante non è il risultato di un cattivo algoritmo; è il risultato della registrazione fisica stessa. La luce registrata dal microscopio semplicemente non contiene abbastanza dettagli per distinguere ogni singolo spike con certezza assoluta. Lo studio ha confermato questo testando un tipo sofisticato di intelligenza artificiale che progetta il proprio modo di guardare i dati. Questo sistema avanzato ha raggiunto un'accuratezza dell'83,2 percento, fallendo nel rompere il soffitto stabilito dai modelli più semplici. Ciò dimostra che il limite è reale e non è solo un difetto degli strumenti specifici utilizzati.
La ricerca ha anche rivelato esattamente dove si nasconde l'informazione utile all'interno della registrazione. La luce di un neurone non cambia istantaneamente; richiede tempo per salire e scendere. Lo studio ha scoperto che gli indizi più critici su uno spike appaiono nella luce che avviene dopo che lo spike si è verificato, non prima. Sebbene la luce prima dell'evento offra alcuni indizi su ciò che il neurone stava facendo in precedenza, la stragrande maggioranza dell'informazione recuperabile proviene dal lampo che segue il burst elettrico. Infatti, guardando solo la luce dopo l'evento, il computer è stato in grado di recuperare più del 92 percento dell'accuratezza ottenibile guardando l'intera registrazione. Ciò suggerisce che il ritardo nella reazione chimica sia il collo di bottiglia principale. Il microscopio deve aspettare abbastanza a lungo per vedere l'intero lampo, ma anche allora, alcuni dettagli vanno persi a causa della sfocatura del processo chimico.
Inoltre, lo studio ha mostato che questo limite cambia a seconda del colorante chimico utilizzato. Alcuni coloranti più recenti producono un bagliore più nitido e veloce rispetto a quelli più vecchi, e lo studio ha scoperto che le registrazioni effettuate con questi nuovi coloranti avevano un soffitto informativo più alto. Tuttavia, il limite non riguarda solo il colorante. Quando i ricercatori hanno testato un modello informatico addestrato su un tipo di tessuto cerebrale contro un tipo completamente diverso di tessuto, il modello è fallito drammaticamente, perdendo più di 20 punti in termini di accuratezza. Questo fallimento è avvenuto anche se il computer era stato riaddestrato da zero. Ha rivelato che il problema non era solo il colorante, ma l'ambiente biologico specifico. L'informazione era presente per il primo tessuto, ma la registrazione del secondo tessuto non preservava lo stesso tipo di dettagli, rendendo impossibile il successo del modello.
Forse il risultato più pratico dello studio è un nuovo modo per gestire questi inevitabili fallimenti. Poiché il computer non può sempre avere ragione, i ricercatori hanno sviluppato un sistema in grado di capire quando è probabile che sbagli. Analizzando la difficoltà della specifica registrazione, il sistema può assegnare un "punteggio di sfiducia" alle proprie previsioni. Quando il sistema è incerto, può scegliere di trattenere una risposta invece di indovinare. Se i ricercatori avessero detto al sistema di fare previsioni solo quando era altamente fiducioso, l'accuratezza di tali previsioni sarebbe salita quasi al 98 percento. Questo non significa che il sistema sia diventato più intelligente; significa che ha imparato a stare in silenzio quando le prove erano troppo deboli.
Lo studio conclude che la strada da seguire per l'imaging cerebrale non è solo quella di costruire computer più intelligenti. Gli algoritmi più potenti del mondo non possono recuperare l'informazione che il microscopio non ha registrato. Se la luce è troppo sfocata o la reazione chimica è troppo lenta, i dati sono semplicemente incompleti. Per migliorare la nostra comprenszione del cervello, gli scienziati devono concentrarsi sullo strumento stesso: trovare coloranti migliori, microscopi più veloci o altri modi per catturare la luce. L'intelligenza dell'osservatore è secondaria rispetto alla chiarezza della registrazione. Quando la registrazione è chiara, un osservatore intelligente può avere successo. Quando la registrazione manca dei dettagli, nessuna quantità di intelligenza può colmare il vuoto. La lezione è silenziosa ma ferma: non puoi vedere ciò che non è mai stato registrato.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.