Corteccia e cervelletto: due lavori su come si impara il movimento e su come cambiano le rappresentazioni

Il controllo stabile con un feedback ritardato è una sfida per la robotica e per le neuroscienze. I modelli classici del cervelletto spiegano la compensazione del ritardo con la predizione in avanti. Non spiegano però le correzioni online rapide né l'adattamento altrettanto rapido che si osserva nei sistemi biologici.

Predizione più feedback

Il lavoro di Ana Carolina Filipe, Rui Ponte Costa e Cláudia Soares propone uno schema di controllo ispirato al cervelletto. Lo schema unisce rappresentazioni predittive multiplexate e feedback interno. Il codificatore condivide le variabili cinematiche e i segnali di errore rilevanti per il compito. Così il movimento si corregge con precisione anche quando il segnale di ritorno arriva in ritardo. Gli autori mostrano che basta inserire il feedback nell'anello cerebellare per accelerare nettamente l'adattamento e accorciare il tempo di apprendimento di un ordine di grandezza. I risultati indicano però che, con il ritardo, le predizioni basate su un singolo segnale non bastano. Solo il multiplexing e il feedback insieme danno un meccanismo coerente di controllo online simultaneo e di apprendimento rapido.

Cambiare le rappresentazioni senza stimolazione

Il secondo lavoro parte da un'altra domanda. In neuropsichiatria l'obiettivo spesso non è leggere l'attività del cervello, ma cambiarla: per esempio indebolire una carica affettiva negativa o un ricordo troppo consolidato. Il gruppo di Marco Rothernel propone un framework di modelli surrogati neurali basato sull'apprendimento automatico. Il framework propone cambiamenti candidati delle rappresentazioni e verifica gli effetti percettivi previsti a partire da immagini di attività fMRI indotta da uno stimolo, senza stimolazione fisica. Lo schema combina decodifica fMRI, modellazione generativa profonda e controllo nello spazio latente con vincoli. Valenza e memorabilità sono qui solo esempi di lavoro.

Il materiale veniva da oltre 36 mila osservazioni immagine-fMRI di quattro partecipanti studiati a fondo del set Natural Scenes Dataset. I modelli adattati alla singola persona riproducevano la struttura generativa grossolana della corteccia visiva. Nel compito di identificazione bidirezionale raggiungevano valori da 0,79 a 0,88, contro un livello casuale di 0,5. Le perturbazioni graduali venivano ricostruite come immagini e valutate con valutatori automatici e con giudizi umani su 7200 prove svolte da 18 partecipanti. Nel modello di base la valenza si è spostata da -0,61 a +1,03 deviazioni standard, la memorabilità da -1,34 a +1,45 deviazioni. Nei giudizi umani la valenza si spostava nella direzione prevista, con una pendenza media di 0,038 deviazioni per unità di coefficiente e un intervallo di confidenza da 0,003 a 0,074, positivo in 16 partecipanti su 18. La memorabilità percepita non è cambiata in modo affidabile.

Gli autori sottolineano i limiti e non li nascondono. La concordanza con il valutatore automatico era solo suggestiva per la valenza e debole per la memorabilità. Le perturbazioni estreme si allontanavano dallo stimolo originale, quindi il cambiamento voluto va pesato contro la perdita di fedeltà. Non è un metodo di cura già pronto, ma uno strumento verificabile per progettare e testare sul comportamento bersagli candidati di una futura neuromodulazione.