Gli scienziati dell’EPFL hanno sviluppato un’innovativa tecnica di AI basata su principi geometrici che visualizza i modelli di attivit\u00e0 neuronale. Il sistema, chiamato MARBLE (Manifold Representation Basis Learning), scompone i segnali elettrici del cervello in modelli dinamici che possono essere decodificati da una rete neurale. Ci\u00f2 consente di riconoscere le strategie universali dell’attivit\u00e0 cerebrale in diversi individui e condizioni sperimentali.<\/p>\n\n\n\n\n\n
Il sistema \u00e8 stato ora in grado di dimostrare che animali diversi che utilizzavano le stesse strategie mentali per risolvere i problemi mostravano modelli neuronali corrispondenti. La tecnica consente quindi un’interpretazione pi\u00f9 precisa dell’attivit\u00e0 cerebrale e potrebbe stabilire un nuovo standard per l’analisi dei processi neuronali dinamici.<\/p>\n\n\n\n\n\n I ricercatori dell’EPFL hanno testato MARBLE con registrazioni dalla corteccia premotoria del macaco durante i movimenti di presa e nell’ippocampo dei ratti durante i compiti di orientamento spaziale. I risultati sono stati impressionanti. Il sistema ha decodificato l’attivit\u00e0 neuronale in modo molto pi\u00f9 preciso rispetto ai metodi convenzionali e ha permesso un’interpretazione pi\u00f9 intuitiva dei processi neuronali.<\/p>\n\n\n\n\n\n Pierre Vandergheynst sottolinea il potenziale al di l\u00e0 delle neuroscienze: “Il nostro metodo si basa sulla teoria matematica delle strutture ad alta dimensionalit\u00e0 e pu\u00f2 essere utilizzato anche in altre discipline scientifiche per analizzare i processi dinamici e identificare modelli universali”<\/p>\n\n\n\n\n\n MARBLE potrebbe rappresentare un passo avanti fondamentale nello studio dei sistemi biologici e fisici complessi, non solo rivoluzionando la nostra comprensione del cervello, ma anche fornendo nuovi impulsi all’intelligenza artificiale e alla robotica.<\/p>\n\n","protected":false},"excerpt":{"rendered":" Una nuova tecnologia AI dell’EPFL fornisce approfondimenti sulle dinamiche neuronali. L’apprendimento profondo geometrico consente agli scienziati di decodificare per la prima volta i modelli universali dell’attivit\u00e0 cerebrale. Questo ha applicazioni di vasta portata nelle neuroscienze, nella robotica e in altre discipline.<\/p>\n","protected":false},"author":2,"featured_media":126423,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","_surecart_dashboard_logo_width":"180px","_surecart_dashboard_show_logo":true,"_surecart_dashboard_navigation_orders":true,"_surecart_dashboard_navigation_invoices":true,"_surecart_dashboard_navigation_subscriptions":true,"_surecart_dashboard_navigation_downloads":true,"_surecart_dashboard_navigation_billing":true,"_surecart_dashboard_navigation_account":true,"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"footnotes":""},"categories":[745,8741,22443],"tags":[52004,52005,867,3935,7221,52006,2006,7140],"class_list":["post-126478","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-immonews-it","category-proptech-it","category-trends-it","tag-deep-learning-it","tag-gehirnforschung-it","tag-immoinvest-it","tag-immonews-it","tag-kuenstliche-intelligenz-it","tag-neurowissenschaft-it","tag-news-it","tag-robotik-it","pmpro-has-access"],"acf":{"bild_mit_ki_erstellt_worden":[],"lead":"Una nuova tecnologia AI dell'EPFL fornisce approfondimenti sulle dinamiche neuronali. L'apprendimento profondo geometrico consente agli scienziati di decodificare per la prima volta i modelli universali dell'attivit\u00e0 cerebrale. Questo ha applicazioni di vasta portata nelle neuroscienze, nella robotica e in altre discipline.","autor":"Quelle: EPFL","ort":"","bildunterschrift":"","zusammenfassung":"","bild_im_grid":false,"gallerie":"","newsim":""},"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t
Visualizzazione dei modelli nascosti nel cervello<\/strong>Le neuroscienze stanno affrontando una sfida fondamentale. L’attivit\u00e0 cerebrale viene solitamente registrata analizzando pochi neuroni, il che significa che manca un quadro completo dei processi neuronali. Pierre Vandergheynst, capo del laboratorio di elaborazione del segnale LTS2 dell’EPFL, paragona questo problema alla storia di persone cieche che sentono parti diverse di un elefante e traggono conclusioni contraddittorie. La situazione \u00e8 simile con la registrazione dei segnali neuronali; una sezione di dati limitata rende pi\u00f9 difficile la comprensione generale.<\/strong><\/p>\n\n\n\n\n\n
Una svolta per le neuroscienze e la robotica<\/strong>L’approccio innovativo dell’apprendimento profondo geometrico consente di analizzare i dati neuronali non solo statisticamente, ma anche nel loro contesto matematico naturale. Questo dimostra che l’attivit\u00e0 cerebrale pu\u00f2 essere visualizzata come strutture geometriche complesse. Ad esempio, sotto forma di un toro, simile a una ciambella.<\/strong><\/p>\n\n\n\n\n\n
Ampio potenziale di applicazione al di l\u00e0 delle neuroscienze<\/strong>Oltre al suo utilizzo nella ricerca sul cervello, MARBLE potrebbe essere di grande valore anche per altre discipline scientifiche. La tecnologia offre la possibilit\u00e0 di convertire i modelli di attivit\u00e0 neuronale in segnali decodificabili. Questo pu\u00f2 essere utilizzato per controllare i sistemi di assistenza robotica che reagiscono all’attivit\u00e0 cerebrale.<\/strong><\/p>\n\n\n\n\n\n