A Drosophila connectome prior enables adaptable embodied control
Questo studio dimostra che l'utilizzo del connettoma cerebrale di *Drosophila* adulta come prior strutturale fisso per il controllo incarnato consente una capacità di adattamento e una robustezza superiori attraverso diverse attività di locomozione, morfologie corporee e complessità ambientali rispetto alle standard reti neurali artificiali.
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
L'intelligenza non è solo una cosa che accade all'interno di un cervello; è una conversazione tra un corpo e il mondo. Affinché un animale possa muoversi, il suo sistema nervoso deve costantemente tradurre ciò che sente e vede in azioni che lo mantengano in equilibrio e in movimento in avanti. Questo processo, noto come controllo incarnato, è incredibilmente difficile perché il mondo non è mai statico. Una creatura deve regolare i suoi passi quando il terreno diventa irregolare, girare bruscamente quando appare un predatore o accelerare quando percepisce del cibo. Sebbene gli ingegneri abbiano costruito robot capaci di camminare su terreni accidentati, essi spesso si affidano a complessi programmi informatici che sono addestrati specificamente per una determinata forma corporea o un certo tipo di ambiente. Se si cambiano le gambe del robot o la consistenza del pavimento, il programma spesso fallisce. Ciò pone una domanda fondamentale per gli scienziati: il modo specifico in cui un sistema nervoso biologico è cablato conferisce al sistema un'abilità speciale di adattamento che i sistemi artificiali non possiedono? Per scoprirlo, i ricercatori si sono rivolti alla mosca della frutta, una creatura il cui sistema nervoso è stato mappato con estrema precisione, fino a ogni singola connessione tra le sue cellule nervose.
I ricercatori hanno preso la mappa completa delle connessioni dal cervello di una mosca adulta, nota come connettoma, e l'hanno utilizzata come "cervello" fisso per una simulazione al computer di una mosca digitale. Questa mosca digitale aveva un corpo con sei zampe, sensori per percepire il terreno e muscoli per muoversi. Il team non ha ricollegato la mappa cerebrale; al contrario, ha mantenuto le connessioni esattamente come sono in natura e ha solo insegnato alla mosca come leggere i suoi sensori e come inviare segnali ai suoi muscoli. Hanno poi sottoposto questa mosca digitale a una serie di test, chiedendole di camminare su terreno pianeggiante, scalare blocchi di altezza crescente, girare in diverse direzioni e cambiare la sua velocità. Hanno confrontato questa mosca, che utilizzava la naturale mappa cerebrale, con una mosca digitale controllata da un programma di intelligenza artificiale standard progettato per imparare da zero.
Quando le mosche camminavano su terreno pianeggiante a una velocità costante, entrambe si comportavano ugualmente bene. Ciò ha dimostrato che la naturale mappa cerebrale non era intrinsecamente superiore per compiti semplici e immutabili. Tuttavia, nel momento in cui la situazione cambiava, la differenza diventava evidente. Quando la mosca digitale doveva scalare blocchi alti quasi mezzo millimetro, la mosca con la naturale mappa cerebrale attraversava loro con successo molto più spesso rispetto a quella artificiale. Si muoveva anche in modo più fluido, con meno movimenti scattosi, ed era più brava a seguire i cambiamenti di velocità, come quando le veniva chiesto di accelerare o rallentare secondo un modello specifico. Quando la mosca doveva girare, la naturale mappa cerebrale le permetteva di riorientare il corpo in modo più preciso e con meno movimenti sprecati. Il programma artificiale faticava a compiere questi aggiustamenti, spesso superando l'obiettivo o perdendo l'equilibrio.
Per capire perché la mappa naturale funzionasse meglio, i ricercatori hanno guardato all'interno della simulazione per vedere come fluissero le informazioni. Hanno scoperto che, quando la mosca incontrava un ostacolo difficile, la naturale mappa cerebrale attivava spontaneamente percorsi specifici che collegavano i sensori nelle zampe ai comandi motori. Questi percorsi, che includono neuroni che trasportano segnali verso l'alto dal corpo e altri che trasportano comandi verso il basso dal cervello, sembravano lavorare insieme in modo coordinato, cosa che il programma artificiale non riusciva a replicare. Il sistema naturale sembrava avere una flessibilità integrata, che permetteva di reclutare le parti giuste della rete per il compito richiesto senza dover essere esplicitamente istruito a farlo. Inoltre, i ricercatori hanno scoperto che la naturale mappa cerebrale era più robusta rispetto a piccoli errori o cambiamenti nelle sue impostazioni, suggerendo che la sua struttura crei una base stabile per l'apprendimento di nuovi comportamenti.
La parte più sorprendente dello studio è arrivata quando i ricercatori hanno testato se questo vantaggio si mantenesse quando il corpo stesso cambiava. Hanno preso la stessa identica mappa cerebrale fissa della mosca e l'hanno collegata ai corpi di animali simulati molto diversi: una formica a quattro zampe, un robot a due zampe, un tripode a tre zambre e un esapode a sei zampe. In ogni caso, la mappa cerebrale che si era evoluta per una mosca aiutava i nuovi corpi a muoversi meglio rispetto ai programmi artificiali. Il vantaggio era particolarmente evidente quando gli animali dovevano navigare in labirinti complessi. Man mano che i labirinti diventavano più difficili, con più curve e vicoli ciechi, il controllore con il cervello della mosca diventava sempre più bravo a trovare la strada rispetto ai controllori artificiali. Nonostante il cervello della mosca fosse progettato per un insetto a sei zampe, aiutava un robot a due zampe a stare in piedi e una formica a quattro zampe a correre più velocemente e in modo più diretto. Lo studio suggerisce che la specifica cablatura del cervello della mosca contenga un principio generale di adattabilità che può essere trasferito su diverse forme corporee.
Questo lavoro non sostiene che possiamo semplicemente copiare il cervello di una mosca e inserirlo in qualsiasi robot. Le simulazioni hanno mostato che la naturale cablatura fornisce un punto di partenza forte, o un "prior", che rende l'apprendimento di nuovi movimenti più facile e affidabile. I programmi artificiali avevano comunque bisogno di imparare come leggere i sensori e muovere i muscoli dei loro nuovi corpi, ma imparavano molto più velocemente e performavano meglio quando partivano dalla mappa cerebrale della mosca rispetto a quando partivano da zero. I risultati suggeriscono che l'evoluzione abbia plasmato i sistemi nervosi non solo per eseguire compiti specifici, ma per fornire una struttura flessibile capace di gestire i cambiamenti inaspettati del mondo reale. Utilizzando il cervello della mosca della frutta come guida, i ricercatori hanno dimostrato che il modo in cui i neuroni sono connessi conta tanto quanto i neuroni stessi, offrendo un nuovo modello per costruire macchine capaci di adattarsi a un mondo in continuo mutamento.
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.