Come le reti IA apprendono costruendo i propri strumenti di apprendimento
Ricercatori del MIT mostrano che le reti neurali possono auto-organizzare le proprie regole di apprendimento, probabilmente rispecchiando come imparano i cervelli.
Costruire un cervello che si costruisce da sé
Le reti neurali artificiali — sistemi informatici ispirati al funzionamento del cervello — di solito si affidano agli ingegneri per progettare ogni regola su come i collegamenti tra le parti dovrebbero cambiare durante l'addestramento. Un nuovo studio del MIT mostra che le reti possono invece costruire la propria macchina di apprendimento, riorganizzandosi utilizzando solo semplici regole locali.
La ricerca è stata guidata da Qianli Liao e i primi autori Liu Ziyin e Yulu Gan presso l'istituto McGovern per la ricerca sul cervello del MIT e il K. Lisa Yang ICoN Center. I loro risultati sono stati pubblicati il 9 ottobre sulla rivista PNAS.
Nella maggior parte dei moderni sistemi IA, gli sviluppatori decidono esattamente come la forza dei collegamenti dovrebbe cambiare mentre la rete elabora i dati e corregge i propri errori. Questo approccio funziona bene per compiti di ingegneria, ma potrebbe dirci molto poco su come apprende il cervello reale, poiché i cervelli non hanno un progettista esterno.
"Il cervello non ha un progettista o architetto esterno," ha detto Liao. "Il cervello deve organizzarsi da sé. E abbiamo bisogno di sapere come regole semplici porteranno il cervello a organizzarsi." 1
Regole semplici, risultati complessi
Il team del MIT ha iniziato con una rete di unità simili a neuroni, collegate in modo casuale, organizzate in più strati. Ogni unità seguiva la stessa regola di base: quando due unità collegate si attivano contemporaneamente, il loro collegamento si rafforza. Questo rispecchia il noto principio delle neuroscienze spesso riassunto come "neuroni che sparano insieme si collegano insieme."
Attraverso interazioni ripetute, piccoli modelli chiamati motivi hanno iniziato ad autoassemblarsi. Questi motivi hanno funzionato da mattoni per circuiti funzionali capaci di compiti come riconoscere schemi e classificare immagini.
Man mano che l'apprendimento procedeva, la rete regola i propri collegamenti utilizzando una strategia di ottimizzazione simile alla discesa del gradiente — un metodo in cui i collegamenti vengono gradualmente modificati in risposta agli errori per migliorare le prestazioni nel tempo. A differenza di molti moderni sistemi IA che si affidano alla retropropagazione (un algoritmo di apprendimento che molti neuroscienziati considerano improbabile che rifletta come funzionano effettivamente i cervelli), la rete del MIT ha ottenuto prestazioni comparabili senza di essa. 1
Perché l'auto-organizzazione conta
I ricercatori sostengono che un criterio chiave per capire se una rete artificiale può insegnarci qualcosa sulla biologia sia la sua capacità di organizzarsi da sé — non solo i suoi collegamenti, ma la stessa macchina che regola quei collegamenti.
Questo ha implicazioni pratiche oltre che teoriche. Tomaso Poggio, ricercatore senior del progetto, ha notato che trovare un parallelo biologico alla retropropagazione potrebbe accelerare i progressi sia nell'IA che nelle neuroscienze. "Se i motivi sinaptici che proponiamo sono, in effetti, utilizzati dal cervello per fare ciò che la retropropagazione fa per le reti neurali artificiali, allora avremo una forte connessione a livello di meccanismi fondamentali tra reti artificiali e naturali — tra macchine e cervelli," ha detto. 1
Comprendere come i cervelli si auto-organizzano potrebbe anche informare lo sviluppo di brain-computer interfaces, che mirano a ripristinare la comunicazione per pazienti che hanno perso le capacità linguistiche o a permettere a individui paralizzati di controllare arti neuroprotesi. Come ha sottolineato Liao, tali tecnologie non possono avere successo senza conoscere le regole sottostanti dell'interazione neurone-neurone.
Lo studio suggerisce che reti governate da regole semplici e locali potrebbero offrire un percorso più biologicamente realistico verso sia una migliore IA sia una comprensione più profonda di come il cervello apprende.
I fatti principali
- I ricercatori del MIT hanno costruito una rete neurale che organizza la propria macchina di apprendimento utilizzando semplici regole locali
- La rete si è autoassemblata in motivi funzionali senza retropropagazione, eguagliando le prestazioni di sistemi progettati tradizionalmente
- Studio pubblicato il 9 ottobre 2026 su PNAS da Qianli Liao, Liu Ziyin e Yulu Gan presso l'Istituto McGovern
- Reti auto-organizzanti potrebbero modellare meglio come il cervello apprende, con implicazioni per le interfacce cervello-computer