Livelli di apprendimento

Uno degli argomenti più importanti delle neuroscienze è l'apprendimento; è una sfida fondamentale capire quali sono gli algoritmi che permettono l'apprendimento. E, ovviamente, se tali sono veri algoritmi nel senso turinghiano del termine.

Oovviamente non ci riferiamo solamente all'apprendimento scolastico, o, in generale, in ambito umano. Ci riferiamo, invece, ad un concetto molto più ampio. Adesso andremo ad esaminare alcuni livelli a cui può avvenire l'apprendimento.

Piccola premessa: queste sono solo le mie personali opinioni in proposito, e non intendo dire nulla di definitivo, o anche solo di autenticamente scientifico, sulla questione.

Apprendimento esplicito eteronomo: con questo indico l'apprendimento che sono in grado di portare a termine esseri viventi se addestrati. In questo rientrano gran parte dell'educazione umana, ma anche l'addestramento di cani e cavalli da parte dell'uomo; l'educazione alla caccia negli animali. La trasmissione, insomma, di comportamenti non-innati fra individui diversi. La cultura, in senso lato, se volete.

Apprendimento implicito autonomo: ogni essere vivente, se esposto ad una pressione ambientale, modifica il suo comportamento per adattarsi all'ambiente. Questo vale sia per animali dotati di facoltà intellettive mediamente superiori, diciamo mammiferi ed uccelli, sia per animali dotati di facoltà inferiori, come i pesci o gli insetti. Vi faccio due esempi che mi hanno colpito molto.

Allo zoo di Stoccarda ci sono molte zone per animali delimitate da fossati, piuttosto che da gabbie. In tali fossati vivono carpe. Se vi avvicinate per osservare gli animali proiettando un ombra sul fossatto, osserverete che le carpe vengono a galla aprendo la bocca. Evidentemente hanno appreso che spesso e volentieri i visitatori lanciano loro da mangiare.

Ad un livello ancora più primitivo: il C. Elegans memorizza durante i primi stadi del suo sviluppo la temperatura a cui è stato cresciuto, e tende a muoversi sempre verso temperature simili.

L'esempio di C. Elegans è decisamente estremo! Infatti il nostro nematode dispone di poche centinaia di neuroni; quindi vediamo come il comportamento di movimento deve essere in qualche maniera codificato all'interno di questa piccola rete neurale, tramite le sue connessioni con i neuroni sensoriali. Questo ci porta all'apprendimento di livello più basso.

Apprendimento parametrico: questo è quello che realizzano le reti neurali; un certo output della rete neurale viene premiato o meno con una ricompensa (virtuale) e, a seconda di questa ricompensa, vengono rinforzate o modificate le connesioni, in maniera tale che la rete tenda ad ottimizzare la ricompensa che ottiene. Questo è il principio del reinforcement learning. Ovviamente, per questo tipo di apprendimento è necessaria un'istanza superiore che elargisca la ricompensa.

Quali sono le grande sfide delle neuroscienze? Vediamone alcune:

- capire quali sono i meccanismi esatti dell'apprendimento parametrico;
- cosa sono le istanze ricompensanti dei vari circuiti;
- capire quali e quanti sono i livelli dell'apprendimento implicito e come sono legati fra loro;
- capire come è possibile l'emergenza dell'apprendimento esplicito ad un livello più alto.

Capite la difficoltà dell'impresa?