Neuroni di vetro

This award will be presented for outstanding contributions to the advancement of the design, practice, techniques or theory in biologically and linguistically motivated computational paradigms including but not limited to neural networks, connectionist systems, evolutionary computation, fuzzy systems, and hybrid intelligent systems in which these paradigms are contained.

IEEE Frank Rosenblatt Award

Chi è Frank Rosenblatt? Dato che sono contrario alla personalizzazione della scienza e alla mitizzazione dei suoi protagonisti, riformulo la domanda. Cosa ha fatto Frank Rosenblatt? É semplice: Frank Rosenblatt ha inventato il perceptron. Cos'è il perceptron? É la madre di tutte le reti neurali artificiali

Chiusa questa drammatica introduzione, posso incominciare col tema vero e proprio, che è la continuazione di questo post.

Allora vedemmo che le equazioni che governano la generazione e la trasmissione dei potenziali d'azione in una cellula nervosa sono le equazioni di Hodgkin-Huxley. Queste formano un sistema di equazioni in cui una equazione non lineare alle derivate parziali è accoppiata ad un sistema di equazioni ordinarie non lineari. Un casino.

Fino a quando non ci si accorse che, approssimando un po', quello che fa un neurone è la seguente operazione.

1) Pesa gli input che riceve sotto forma di potenziali d'azione.
2) Somma questi input pesati e confronta la somma con una soglia.
3) Se la somma supera la soglia, genera un potenziale d'azione come output.
4) Trasmette l'output con una forma e velocità standard ai neuroni con cui è connesso sinapticamente.

Questa astrazione del funzionamente di un neurone è noto come perceptron, ed è un paradigma in grado di risolvere vari problemi.

In particolare, dato che le operazioni da svolgere sono molto semplici e avvengono in tempo discreto, a differenza delle equazioni continue di Hodgkin-Huxley, questo modello è molto più facile, e soprattutto più veloce, da simulare in un computer. Perchè è bello che venga simulata più velocemente da un computer? Perchè in questa maniera è possibile simulare in un computer un'intera rete di tali perceptron, tutti collegati gli uni con gli altri, che vanno a formare una primitiva rete neurale. Queste primitive rete neurali possono essere programmate e istruite per ogni sorta di funzioni.

D'altra parte, queste reti neurali artificiali hanno anche interessantissime proprietà matematiche; in particolare se si inserisce del rumore nella loro dinamica. In questo caso diventano delle catene di Markov molto grandi e complesse che riescono a riprodurre molte delle caratteristiche delle reti neurali biologiche.

Torniamo adesso al concetto di collasso che avevo formulato qualche tempo fa. Tutte questi fenomeni e teorie di cui ho parlato, cioè la modellazione di neuroni, la costruzione di reti neurali artificiali, l'analisi di reti neurali matematiche sono andate a caricare il termine neurone di una serie di significati che travalicano quello originario prettamente biologico; parlate di un neurone ai neuroinformatici. Essi interpreteranno il termine da un punto di vista informatico-matematico, e non da quello biologico.

Alla fine, tutte queste teorie si sono fuse e hanno dato, o meglio: stanno dando, origine ad una disciplina nuova, ancora in via di definizione: le neuroscienze computazionali.