AO_434

Carlotta Veloso IMITARE L’APPRENDIMENTO DEL CERVELLO UMANO In uno studio la scoperta di un team di ricercatori dei Politecnici di Torino e Milano e dell’INRiM nel campo dell’intelligenza artificiale N egli ultimi anni, sempre più scienziati di diverse discipline che vanno dalla Biologia alla Fisica, dalla Matematica all’Ingegneria, stanno unendo le proprie forze per affrontare la madre di tutte le sfide scientifiche: la comprensione della mente umana. Questo sforzo conoscitivo senza precedenti è alla base del boom dell’intelligenza artificiale, grazie alla quale supercomputer hanno battuto campioni di giochi di strategia come scacchi, Jeopardy, Go, e grazie alla quale i nostri computer e telefoni sono dotati di software sempre più intelli- genti, in grado di imparare dalle nostre esperienze. Nonostante que- sti incredibili progressi, la capacità del cervello umano di processare informazioni spazio-temporali in parallelo e a bassissimo consumo rimane inarrivabile per gli attuali approcci computazionali. Un team del Politecnico di Torino coordinato da Carlo Ricciardi, do- cente del Dipartimento di Scienze Applicate e Tecnologia-Disat, in- sieme a Daniele Ielmini del Politecnico di Milano e a Gianluca Milano dell’Istituto Nazionale di Ricerca Metrologica-INRiM in un recente stu- dio pubblicato sulla rivista NatureMaterials propongono un approccio hardware, partendo dall’evidenza che anche le più complesse funzioni del cervello, come memoria e apprendimento sono espressione di un comportamento collettivo di connessioni (sinapsi) e unità di processo (neuroni) che hanno una natura fisica e materiale. I dispositivi messi a punto da Ricciardi, Ielmini e Milano si basano su reti di nanofili (na- nowires) memresistivi, cioè architetture su scala nanometrica (la stessa delle sinapsi biologiche) chemostrano le tipiche funzioni neurali come adattabilità, plasticità e correlazione spaziotemporale. Spiega Ricciardi: “Abbiamo mostrato che è possibile implementare ‘in materia’ la dinamica dei processi cognitivi che da un lato sfruttano la memoria operativa a breve termine per richiamare e confrontare im- magini, idee e simboli, mentre dall’altro classificano i risultati in varia- zioni strutturali delle nostre connessioni (memoria a lungo termine). Inoltre, tali dispositivi possono implementare paradigmi computazio- nali che necessitano di un addestramento limitato come il reservoir computing, aprendo la strada non solo a computer sempre più intel- ligenti e a basso consumo, ma anche a protesi neurali impiantabili, che un domani potrebbero consentire il recupero o il contenimento di funzioni neurali in regressione”. • AO CURIOSITÀ - RICERCA Foto di John Conde da Pixabay  Il tuo partner nella Digital Transformation industriale, integrata e cyber sicura www.servitecno.it +39 02 48.61.41 Analizzare ✓ Monitorare ✓ Prevedere ✓ Simulare ✓ Ottimizzare ✓ Controllare ✓ Dai Big Data d’impianto agli Industrial Advanced Analytics con le soluzioni GE Digital