L’imitazione artificiale della dinamica fra sinapsi e neuroni nei sistemi cerebrali biologici è un tema che viene trattato da tempo nella filosofia e nella scienza, ma siamo lontani dai futuri ipertecnologici ai quali ci hanno abituato i film avveniristici.
L’avanzamento delle capacità informatiche si basa in particolare sulla riduzione delle dimensioni dei dispositivi, aumentando così costi, potenza e velocità. Vi sono però limiti fisici fondamentali, ed il solo “device scaling” non è sufficiente per ottenere il livello di performance necessario.
Neuroni e sinapsi artificiali: i primi sistemi
Per i ricercatori che si occupano di informatica neuromorfica, la sfida maggiore è rappresentata dall’alta energia usata per spostare i dati dal processore alla memoria e viceversa, un processo di memorizzazione generalmente definito come collo di bottiglia di von Neumann. Inoltre, il cervello usa potenziali d’azione discreti, le cui caratteristiche dipendono dal pattern e dalla forza delle connessioni, ad una velocità di codifica basata sui tempi locali delle sue varie parti, caratteristiche difficili da riprodurre nei modelli neurali informatici.
Un recente studio (Kurenkov, et al., 2019) ha sviluppato per la prima volta un sistema neuro-sinaptico artificiale con diverse caratteristiche fondamentali della sua controparte biologica. I ricercatori hanno sopperito ai limiti delle apparecchiature tradizionali, che risentono unicamente del campo elettrico, utilizzando substrati spintronici, ovvero in cui può influire anche un campo magnetico, modificando quello elettrico. Il supporto artificiale, se in grado di magnetizzarsi, può “ricordare” lo stato elettrico attraverso quello magnetico, istantaneamente nello spazio adiacente, evitando così il collo di bottiglia di von Neumann. La capacità di memorizzare ed elaborare dati in queste reti, note come memristori, è nettamente superiore a quella dei sistemi digitali, in grado di rappresentare solo due stati, come gli 0 ed 1 del codice binario nei computer.
Neuroni e sinapsi artificiali: i risultati della ricerca
I piccolissimi dispositivi costruiti da Kurencov e colleghi hanno una struttura unica che, in base alle sue dimensioni, può generare un campo magnetico in modo binario, come nelle fasi di “scarica” e “integrazione” dei neuroni, o in modo analogico, come per la forza di connessione delle sinapsi. In più, la temperatura può essere usata come indice per l’integrazione dei tempi locali: quando arriva un impulso essa aumenta, per via della resistenza dei conduttori e diminuisce fra un impulso e l’altro. Più impulsi arrivano in un tempo breve e più i dispositivi diventano caldi.
Ciò conduce ad una più alta probabilità di switching (fra le due modalità dei neuroni artificiali e gradualmente nelle sinapsi artificiali). La rete neurale spiking così costruita è in grado di riflettere le proprietà dei potenziali di membrana (attraverso dinamiche termiche) e della plasticità attività-dipendente (attraverso lo stato magnetico) esistente fra connessioni cerebrali reali. La dipendenza osservata fra la probabilità di rilasciare potenziali d’azione e l’intensità degli stimoli in entrata dei dispositivi riproduce fedelmente quella di diverse registrazioni effettuate in vivo sul modello animale, ma con una velocità mille volte superiore.
Questa sorprendente ricerca mostra una possibile soluzione alla mancanza di hardware per la costruzione di reti cerebrali artificiali di grosse dimensioni, implementando notevolmente i vari filoni di ricerca nell’ambito delle neuroscienze, dell’interazione uomo-macchina e dell’intelligenza artificiale.
