Arianna Pavone

apavone@unime.it

Nengo e la Creazione di Modelli Cognitivi su Larga Scala

Abstract (eng)

Keywords: Neural Networks, Artificial Intelligence, Nengo, Cognition

Abstract (ita)

Le simulazioni su reti neurali artificiali su larga scala vengono condotte fin dalla fine degli anni ’80. La creazione di tali modelli neurali e la loro simulazione richiedono competenze in diversi ambiti, tra i quali l’intelligenza artificiale, l’apprendimento automatico, le scienze cognitive, la neurobiologia e la neuro-ingegneria. Tuttavia, sebbene siano stati raggiunti importanti traguardi, nessuno dei modelli neurali finora implementati è stato in grado di dimostrare come tali simulazioni siano collegabili ad una serie di comportamenti specifici. Infatti, sebbene l’aumento del numero di neuroni utilizzati in tali modelli sia riuscito nell’obiettivo di ottenere simulazioni sempre più accurate, ciò non è sufficiente per affrontare una delle sfide più grandi delle neuroscienze, ovvero spiegare come la complessità del cervello possa generare un comportamento altrettanto complesso. In questa direzione il Neural Engineering Framework ha permesso, negli ultimi anni, di fare dei passi in avanti. Esso è stato utilizzato per creare modelli dell’attenzione visiva, del ragionamento induttivo, dell’apprendimento rafforzativo e molte altre attività. Il mio interesse specifico si inquadra nelle tecniche di apprendimento automatico e nelle tecniche di rappresentazione e modellazione di reti neurali artificiali. Le reti neurali artificiali, infatti, possono essere utilizzate sia per ottenere una comprensione delle reti neurali biologiche, ma ancor di più possono essere utilizzate per risolvere problemi complessi di Intelligenza Artificiale. Il mio interesse si concentra principalmente sullo studio dei modelli di rappresentazione basati sul Neural Engineering Framework, ed in particolare sulla nozione di contesto, inteso sia come contesto neurale che come contesto linguistico. Il contesto è stato studiato sotto vari punti di vista nella letteratura esistente, ed è stato dimostrato come l'ippocampo sia fortemente implicato nell'elaborazione contestuale. Da un punto di vista computazionale, lo strumento sul quale si concentra l’attenzione è Nengo, un libreria Python open-source che offre una vasta gamma di funzionalità utili per la simulazione di modelli cerebrali su larga scala. Nengo fornisce un eccellente supporto al Nef e include modelli personalizzabili per la generazione di impulsi neurali, dinamiche muscolari, plasticità sinaptica e integrazione sinaptica. Da un punto di vista teorico e metodologico si vuole invece concentrare l’attenzione sulla Semantic Pointer Architecture (SPA), un’architettura basata sul concetto di puntatore semantico. Nel contesto della SPA i puntatori sono rappresentazioni neurali di uno spazio semantico vettoriale. Da un punto di vista puramente strutturale un puntatore semantico è rappresentato in maniera neurale attraverso lo schema degli impulsi generati da una popolazione di neuroni biologici o artificiali in risposta a determinati stimoli, i quali possono essere sensoriali, motori, emotivi, concettuali o simbolici. Nonostante molti ricercatori ritengano che la grande sfida nella rappresentazione di reti neurali sia il miglioramento del realismo biologico delle simulazioni, è sempre più diffusa l’idea che la sfida principale consista invece nella definizione dei principi generali della computazione neurale che potrebbero consentire al cervello artificiale di mostrare la robusta flessibilità caratteristica dei processi cognitivi biologici.

Parole chiave: Reti Neurali, Intelligenza Artificiale, Cognizione