Alcuni ricercatori sono riusciti a costruire delle reti neurali basate sui memristor in grado di simulare dinamiche di condizionamento classico, un processo psicologico alla base dell’apprendimento studiato in maniera approfondita da Ivan Pavlov. Si spera di chiarire i collegamenti tra psicologia e neuroscienze
Le reti neurali non sono solamente un potente mezzo per il machine learning, ma anche per simulare i processi neurali con dei modelli precisi per poterli studiare in modo scientifico e correlarli con i meccanismi biologici delle neuroscienze. Grazie all’uso dei memristor alcuni ricercatori hanno messo appunto delle reti neurali in grado di simulare il condizionamento classico, un effetto psicologico studiato già nei primi anni del ‘900, dando nuovo stimolo alle neuroscienze computazionali.
Simulazione di una sinapsi tramite memristor
Il condizionamento classico di Ivan Pavlov
Essenzialmente si tratta di una delle prime teorie utilizzate per spiegare l’apprendimento negli esseri viventi (i primi esperimenti furono svolti sugli animali). L’idea di base del condizionamento classico, di cui Ivan Pavlov è uno dei maggiori contributori, è che gli esseri viventi siano in grado di associare un stimolo neutrale (per esempio un suono o un colore) ad un bisogno o ad una punizione (per esempio la fame o del dolore fisico) se questi vengono ripetuti nel tempo a breve distanza l’uno dall’altro.
Ad esempio se suonate un fischietto ogni volta che date da mangiare al vostro cane, dopo poco tempo esso arriverà in picchiata appena sentirà il fischietto, senza vedere il cibo. Addirittura Pavlov misurò la salivazione dei cani, dopo aver associato il suono di un campanello all’arrivo del cibo tramite la ripetizione nel tempo. Scoprì che addirittura un riflesso involontario potesse essere condizionato, sviluppando l’idea di memoria associativa che è legata al condizionamento classico: aree di memoria collegate che si attivano contemporaneamente alla ricezione di certi stimoli.
Condizionamento classico di Pavlov
Memristor: il futuro dell’elettronica?
Abbiamo parlato poco tempo fa del problema dei limiti dell’elettronica basata sul silicio, andando a presentare la possibile alternativa fotonica. Ma ci sono anche altre strade, tra cui quella dei memristor. Si tratta di un componente elettronico teorizzato negli anni ’70 e mai realizzato fisicamente sino a pochi anni fa. Senza entrare troppo nei dettagli tecnici si tratta di un dispositivo in grado di memorizzare uno stato analogico nella sua impedenza. Può quindi essere utilizzato sia come una cella di memoria non volatile ad accesso rapidissimo (essenzialmente con tempi di accesso paragonabili a quelle delle attuali DRAM se non migliori) oppure come componente di base per unità aritmetico-logiche al posto dei transistor. Il bello è che in linea teorico più piccolo si riesce a realizzare questo dispositivo, meglio dovrebbe funzionare.
Purtroppo attualmente i memristor esistono solamente nei laboratori e non esistono dispositivi commerciali che li utilizzano. Tuttavia in futuro, specialmente con l’avvento delle rete neurali, potrebbero giocare un ruolo sempre più centrale.
L’idea dietro al memristor
Memristor, reti neurali e psicologia
Se è vero che il machine learning sta sempre più spesso prendendo spunto dal funzionamento biologico del cervello umano, è altrettanto vero che le reti neurali sono uno strumento molto utilizzato nelle neuroscienze e psicologia computazionali per simulare i comportamenti osservati negli esperimenti e creare dei modelli utili a spiegare i fenomeni psicologici. Tramite i memristor si è riusciti a simulare delle dinamiche di memoria associativa, postulate dal condizionamento classico di Pavlov.
Un team di ricercatori della Zhengzhou University of Light Industry e della Huazhong University of Science and Technology in Cina ha recentemente sviluppato un nuovo circuito neurale basato su memristor che riproduce la nozione di memoria associativa di Pavlov. Il circuito, presentato in un articolo pubblicato su Transactions on Cybernetics, è stato progettato per superare alcuni dei limiti delle reti neurali basate su memristor precedentemente proposte che riproducono la memoria associativa. Nella presentazione del documento si può leggere:
La maggior parte delle reti neurali che simulano la memoria associativa di Pavlov basate su memristor richiede rigorosamente che la “ricompensa” e lo “stimolo” siano simultanei per poter generare l’sassociativa. In questo articolo, viene considerato un ritardo al fine di rendere possibile la creazione una memoria associativa quando lo stimolo alimentare è sfasato rispetto allo stimolo esterno per un certo periodo di tempo.
Implementazione di una memoria associativa tramite memristor
I dettagli della ricerca
La tre parti chiave del circuito che simula le reti neurali della memoria associativa di Pavlov sono il modulo sinaptico, un modulo di controllo della tensione e un modulo che gestisce il ritardo. Proprio grazie a quest’ultimo è possibile associare uno stimolo esterno al “bisogno fisiologico”, anche se questi non sono esattamente simultanei. Prima di questa implementazione era possibile generare l’associazione nel circuito solamente se gli stimoli erano forniti contemporaneamente alla rete neurale. La velocità con cui il circuito creato dal team impara a creare associazioni può anche essere adattata, semplicemente cambiando il periodo di tempo tra gli stimoli neutri e salienti.
Funzioni come l’apprendimento, l’oblio, l’apprendimento veloce, l’oblio lento e l’apprendimento ritardato sono implementate dal circuito. La rete neurale di memoria associativa di Pavlov con l’apprendimento ritardato fornisce un riferimento per l’ulteriore sviluppo di sistemi simili al cervello.
Nel complesso, i ricercatori della Zhengzhou University of Light Industry e della Huazhong University of Science and Technology hanno introdotto un design efficace per i sistemi di reti neurali basati su memristor ispirati alla nozione di condizionamento classico. In futuro, il circuito che hanno sviluppato potrebbe avere diverse applicazioni interessanti, ad esempio, aiutando lo sviluppo di strumenti computazionali che riproducono i processi psicologici osservati negli animali o nell’uomo in modo più efficace. Il team sta ora pianificando di continuare a lavorare sul circuito, ottimizzandone le prestazioni, semplificandone la struttura e tentando di integrarlo in altri dispositivi. Lo scopo è quello di riuscire prima o poi ad ottenere delle simulazione precise di meccanismi cognitivi di alto livello come l’apprendimento, la coscienza o le emozioni. Dalla sezione scienze è tutto! Continuate a seguirci per tante altre news ed approfondimenti!
Lascia un commento