Lo studio ribalta la vecchia teoria dell'apprendimento cerebrale
Per decenni, gli scienziati hanno pensato che l'apprendimento avvenga nelle sinapsi o nelle numerose giunzioni tra le cellule cerebrali. Ma ora, un nuovo studio propone che l'apprendimento avvenga in alcuni dendriti, i rami che alimentano gli input alla cellula cerebrale o al neurone.
In un articolo che ora è pubblicato sulla rivista Rapporti scientifici, gli autori descrivono come sono giunti a questa conclusione dopo aver studiato modelli computerizzati di neuroni e colture cellulari.
Nella vasta rete neurale del cervello, i neuroni si comportano come minuscoli microchip che assorbono input attraverso i loro dendriti e, quando vengono raggiunte determinate condizioni, creano output utilizzando i loro assoni.
Gli assoni, a loro volta, sono collegati ai dendriti di altri neuroni tramite collegamenti chiamati sinapsi. Ci sono molte più sinapsi per neurone che dendriti.
Un risultato significativo della nuova ricerca è che, poiché propone che l'apprendimento avvenga nei dendriti e non nelle sinapsi, i parametri di apprendimento per ciascun neurone sono molto inferiori di quanto si pensasse in precedenza.
"In questo nuovo processo di apprendimento dendritico", osserva l'autore senior dello studio Prof. Ido Kanter, del Gonda Interdisciplinary Brain Research Center presso la Bar-Ilan University in Israele, "ci sono alcuni parametri adattivi per neurone, rispetto a migliaia di minuscoli e quelli sensibili nello scenario di apprendimento sinaptico. "
L'apprendimento avviene più velocemente di quanto pensassimo
Un altro risultato importante del nuovo studio è che il processo di apprendimento avviene molto più velocemente nel nuovo modello dendritico rispetto al modello sinaptico tradizionale.
I risultati possono avere importanti implicazioni per il trattamento dei disturbi cerebrali e la progettazione di applicazioni informatiche - come "algoritmi di apprendimento profondo" e intelligenza artificiale - che si basano sull'imitazione del modo in cui funziona il cervello.
I ricercatori anticipano che, nel caso di quest'ultimo, il loro studio apre le porte alla progettazione di funzionalità più avanzate e velocità di elaborazione molto più elevate.
Il tradizionale modello sinaptico di apprendimento è radicato nel lavoro pionieristico di Donald Hebb pubblicato nel 1949 nel libro L'organizzazione del comportamento.
Quel modello, che il Prof. Kanter ei suoi colleghi chiamano "apprendimento tramite collegamenti", propone che i "parametri di apprendimento" che cambiano durante il processo di apprendimento riflettono il numero di sinapsi, o collegamenti, per neurone, che sono le unità computazionali nella rete neurale.
"Apprendimento per nodi"
Nel loro nuovo modello - che chiamano "apprendimento per nodi" - i ricercatori propongono che i parametri di apprendimento non riflettano il numero di sinapsi, di cui ce ne sono molte per neurone, ma il numero di dendriti, o nodi, di cui esistono sono solo pochi per neurone.
Pertanto, spiegano, "in una rete di neuroni collegati", il numero di parametri di apprendimento per neurone nel modello sinaptico è "significativamente più grande" del numero nel modello dendritico.
Lo scopo principale del loro studio era confrontare le "proprietà dinamiche cooperative tra scenari di apprendimento sinaptico (collegamento) e dendritico (nodale)".
Gli autori dello studio concludono che i loro risultati "indicano fortemente che un processo di apprendimento più veloce e migliorato si verifica nei dendriti neuronali, in modo simile a ciò che è attualmente attribuito alle sinapsi".
Le sinapsi deboli svolgono un ruolo chiave nell'apprendimento
Un altro risultato significativo dello studio è che sembra che le sinapsi deboli, che rappresentano la maggior parte del cervello e si pensava svolgessero un ruolo insignificante nell'apprendimento, siano in realtà molto importanti.
Gli autori fanno notare che "la dinamica è controintuitivamente governata principalmente dagli anelli deboli".
Sembra che, nel modello dendritico, le sinapsi deboli facciano oscillare i parametri di apprendimento piuttosto che spostarsi verso "estremi fissi irrealistici", come nel modello sinaptico.
Il Prof. Kanter riassume i risultati facendo confronti con il modo in cui dovremmo misurare la qualità dell'aria.
"Ha senso", chiede, "misurare la qualità dell'aria che respiriamo tramite molti minuscoli sensori satellitari distanti all'altezza di un grattacielo o utilizzando uno o più sensori in prossimità del naso?"
"Allo stesso modo, è più efficiente per il neurone stimare i suoi segnali in arrivo vicino alla sua unità di calcolo, il neurone."
Prof. Ido Kanter
