L'intelligenza artificiale (IA) è ormai una presenza costante nella nostra quotidianità. Dai semplici assistenti vocali ai sofisticati algoritmi che pilotano auto senza conducente, l'IA è entrata e continua a permeare ogni aspetto della vita moderna, promettendo di ridefinire il nostro futuro. Oggi trattiamo della rivoluzionaria incursione di Meta, precedentemente nota come Facebook, nel campo dell'IA e, in particolare, nell'ambito pionieristico dell'interpretazione degli input cerebrali.
Meta e la Sua Visione dell'IA
Tutti abbiamo sentito in qualche modo parlare di Meta, e di come abbia preso le redini dell'innovazione nell'IA spostando l'attenzione dai social media a una gamma più ampia di tecnologie future, generando dibattito e spesso critiche. L'azienda ha investito massicciamente in realtà aumentata e virtuale (AR/VR), intelligenza artificiale e altre tecnologie all'avanguardia per costruire una proposizione nuova che permettesse di creare un ambiente digitale più immersivo e interattivo, con l'IA che funge da colonna portante dell'esperienza utente.
Uno dei territori in cui l'azienda si è spinta maggiormente è quello delle interfacce cervello-computer (BCI), strumenti che consentono un'interazione diretta tra il cervello umano e le macchine, una tecnologia che può leggere e interpretare segnali neurali, consentendo agli utenti di controllare dispositivi esterni semplicemente usando il pensiero. Le applicazioni potenziali sono rivoluzionarie, spaziando dall'assistenza a persone con disabilità motorie al miglioramento delle capacità umane attraverso l'IA.
Proprio in questo ambito META ha annunciato un ulteriore traguardo, questa volta nel panorama specifico della ricerca neuroscientifica, che potrebbe rivoluzionare il nostro approccio alla comprensione delle rappresentazioni visive nel cervello.
Attraverso l'uso della magnetoencefalografia (MEG), una tecnica di neuroimaging non invasiva, è stato sviluppato un sistema di intelligenza artificiale in grado di decodificare la sequenza di immagini percepite dal cervello con una risoluzione temporale senza precedenti.
Cerchiamo di capire meglio come funziona e di cosa si tratta.
La MEG e i campi magnetici dei neuroni
La magnetoencefalografia (MEG) è una tecnica di neuroimaging avanzata che misura i campi magnetici generati dall'attività elettrica dei neuroni nel cervello.
Ma come funziona?
Il principio base è semplice e parte dal fatto che quando i neuroni nel cervello sono attivi, scambiano segnali elettrici e questi segnali elettrici generano piccoli campi magnetici che possono essere misurati esternamente al cranio.
La MEG utilizza dei sensori superconduttori, noti come SQUID (Superconducting Quantum Interference Devices), per rilevare questi campi magnetici. I SQUID sono estremamente sensibili e possono rilevare campi magnetici miliardi di volte più deboli del campo magnetico terrestre. Tipicamente, durante una scansione MEG, il soggetto indossa un "casco" contenente centinaia di SQUID che circondano il cranio. I segnali rilevati dai SQUID vengono poi mappati e analizzati per determinare la localizzazione e il timing dell'attività cerebrale.
Il Sistema di decodifica in tempo reale potenziato da AI
Il sistema AI di Meta si basa su un'architettura tripartita che comprende:
1. un codificatore di immagini
2. un codificatore cerebrale
3. un decodificatore di immagini.
Il codificatore di immagini costruisce un insieme di rappresentazioni dell'immagine indipendentemente dal cervello. Successivamente, il codificatore cerebrale apprende ad allineare i segnali MEG con queste rappresentazioni di immagini. Infine, il decodificatore di immagini genera un'immagine plausibile data queste rappresentazioni cerebrali.
Questa tecnologia rappresenta un passo avanti notevole nella ricerca, offrendo la possibilità di comprendere meglio come le immagini vengono rappresentate nel cervello e utilizzate come fondamenti dell'intelligenza umana.
Vediamo più nel dettagli come META stessa ha raccontato il test condotto.
Il primo passo è stato addestrare l'architettura con un dataset di registrazioni MEG acquisite da volontari che hanno deciso di condividere i loro dati attraverso un consorzio accademico internazionale. Dopo di che hanno iniziato a comparare le performance ottenute con una grande quantità di moduli di immagine pre addestrati e hanno mostrato che i segnali che il cervello mandava si allineavano con i sistemi di AI di decodifica d'immagine. Questo risultato conferma certamente che l'addestramento supervisionato può portare i sistemi potenziati da intelligenza artificiale ad imparare le rappresentazioni generate dal cervello.
A sinistra ci sono le immagini che i volontari vedevano e a destra quelle decodificate attraverso la MEG(left). Ogni immagine è presentata approsimativamente ogni 1,5 secondi
Fonte video: META
Nonostante le immagini generate rimangano imperfette, i risultati suggeriscono che l'immagine ricostruita conserva un ricco insieme di caratteristiche di alto livello, come le categorie di oggetti. Tuttavia, il sistema AI spesso genera caratteristiche di basso livello inaccurate, posizionando o orientando erroneamente alcuni oggetti nelle immagini generate.
Prospettive Future
I risultati dimostrano che la MEG può essere utilizzata per decifrare, con precisione al millisecondo, l'insorgere di rappresentazioni complesse generate nel cervello. Più in generale, questa ricerca rafforza l'iniziativa di ricerca a lungo termine di Meta per comprendere le fondamenta dell'intelligenza umana, identificarne le somiglianze e le differenze rispetto agli attuali algoritmi di apprendimento automatico e, in ultima analisi, guidare lo sviluppo di sistemi AI progettati per apprendere e ragionare come gli esseri umani.
Certamente tutto questo solleva questioni etiche significative. Come possiamo garantire la privacy e la sicurezza quando i nostri pensieri più intimi potrebbero essere letti da una macchina? Inoltre, le sfide tecniche sono ancora enormi: decifrare i segnali neurali è certamente un compito complesso, e gli algoritmi di IA devono essere incredibilmente sofisticati per interpretarli accuratamente, quindi la strada da percorrere è ancora molta.
Comments