Progressi per una perfetta memorizzazione delle informazioni
Anche se di recente sono stati compiuti notevoli progressi nel campo dell'intelligenza artificiale e dell'apprendimento delle macchine, le problematiche fondamentali rimangono ancora senza soluzione. Tra queste, la capacità di apprendimento e la delicatezza nel movimento, insite negli uomini e negli animali, sono molto difficili da imitare nelle macchine. Le cellule neurali cerebrali sono in grado di fornire una piattaforma di calcolo con caratteristiche e rappresentazioni tali da poter esprimere e applicare tali capacità anche alle macchine? Con lo studio dei meccanismi neurali di elaborazione delle informazioni nel cervello, il progetto SPIKEFORCE si è occupato di queste problematiche emerse nei metodi di calcolo utilizzati attualmente nei computer e nelle tecnologie a circuiti integrati. I neuroni cerebrali elaborano segnali analogici con valori continui, mentre la comunicazione sotto forma di impulsi è essenzialmente digitale e asincrona. La ricerca dei partner del progetto è stata attuata con il coordinamento dell'École Normale Supérieure, e si dedicata principalmente al ruolo dei neuroni generatori di impulsi nei processi decisionali e nell'apprendimento continuo. Dal momento che le informazioni vengono memorizzate nel cervello come variazioni nell'efficacia delle sinapsi stimolanti, è stato arguito che il loro funzionamento indipendente potrebbe produrre notevoli benefici, perfezionando la memorizzazione delle informazioni. È stato studiato, inoltre, il rapporto di complementarietà tra la distribuzione delle variazioni dell'efficacia sinaptica e l'oggetto e le modalità di apprendimento. A tale scopo, è stato sviluppato un prototipo di rete neurale di tipo feed-forward. L'attività assegnata alla rete neurale consisteva nell'apprendere il maggior numero possibile di associazioni input-output, posto un determinato livello di affidabilità. Grazie all'utilizzo di tecniche analitiche ampiamente sfruttate nella meccanica statistica dei sistemi informativi distribuiti, è stata calcolata la massima capacità di memorizzazione delle informazioni della rete neurale. È stato rilevato che la capacità massima dipende da numerosi parametri della rete, ma soprattutto che la distribuzione ottimale delle variazioni sinaptiche conteneva in larga parte sinapsi "silenziose". La distribuzione, inoltre, assomigliava alla distribuzione delle variazioni sinaptiche riportata per le sinapsi cerebrali, descrivendo le profonde capacità di apprendimento e i processi della memoria che è possibile ottenere studiando le risposte sinaptiche.
