Cervello e Incertezza: Viaggio nella Mente che Impara a Decidere Quando Tutto è Nebuloso

Ciao a tutti! Oggi voglio portarvi con me in un viaggio affascinante nel labirinto della nostra mente, per esplorare un concetto con cui tutti noi facciamo i conti ogni giorno: l’incertezza. Pensateci un attimo: quante volte ci troviamo a dover prendere una decisione senza avere tutte le informazioni? O a interpretare un segnale ambiguo dal mondo che ci circonda? Ecco, il nostro cervello è un maestro nel gestire queste situazioni, e capire come lo fa è una delle sfide più intriganti delle neuroscienze.

Nel mio campo, ci siamo sempre chiesti come il cervello quantifichi e utilizzi l’incertezza, specialmente quando impara qualcosa di nuovo o deve fare una scelta. È un po’ come imparare ad andare in bicicletta: all’inizio sei incertissimo, ogni pedalata è un’incognita. Poi, con l’esperienza, l’incertezza diminuisce e ti muovi con più sicurezza. Ma cosa succede esattamente là dentro, tra i nostri neuroni?

La Sfida di Misurare l’Incertezza Neurale

Tradizionalmente, studiare l’incertezza a livello neurale non è stato semplice. Molti metodi ci hanno dato indizi importanti, ma spesso erano qualitativi o si basavano su presupposti un po’ restrittivi, come l’idea che il “rumore” neurale fosse sempre uguale o che si potessero seguire gli stessi identici neuroni per lunghissimo tempo. Immaginate di voler capire come un’orchestra impara un nuovo brano, ma potendo ascoltare solo pochi musicisti alla volta e non sempre gli stessi! Serve un approccio più flessibile e quantitativo.

Qui entra in gioco la magia del deep learning. Ispirandoci a lavori pionieristici come quelli di Yarin Gal, che ha proposto modi intelligenti per misurare l’incertezza nei modelli di intelligenza artificiale (usando una tecnica chiamata Monte Carlo Dropout, o MCD), abbiamo pensato: perché non applicare qualcosa di simile per capire l’incertezza nel cervello?

Il Nostro Esperimento: Topolini, Vibrazioni e Decisioni

Per mettere alla prova questa idea, abbiamo coinvolto dei topolini in un compito di apprendimento. Niente di troppo complicato per loro, ve lo assicuro! Dovevano imparare a discriminare tra diverse frequenze di vibrazione applicate alla loro zampetta. Una frequenza significava “lecca per avere una ricompensa (acqua)” (il segnale “go”), un’altra “non leccare” (il segnale “no-go”). Nel mezzo, c’erano frequenze “sonda”, più ambigue.

Mentre i topolini imparavano, noi registravamo l’attività dei neuroni nella loro corteccia somatosensoriale primaria (fS1), un’area del cervello cruciale per elaborare le sensazioni tattili, usando una tecnica sofisticata chiamata imaging del calcio a due fotoni. Questa tecnica ci permette di vedere letteralmente i neuroni accendersi quando sono attivi.

La vera novità è stata l’introduzione di un modello “transformer” (sì, come quelli che stanno rivoluzionando l’IA per il linguaggio!) appositamente adattato per analizzare questi dati neurali. La sua forza? Non ha bisogno di tracciare gli stessi neuroni giorno dopo giorno e può gestire popolazioni neurali variabili, superando molti limiti dei metodi precedenti. Usando la tecnica MCD, questo modello non solo ha decodificato cosa i topi sentivano o decidevano, ma ha anche quantificato l’incertezza associata a quella decodifica.

Cosa Abbiamo Scoperto di Tanto Interessante?

Le scoperte sono state davvero illuminanti! Abbiamo visto con i nostri occhi (o meglio, con i nostri algoritmi) che l’fS1 non si limita a registrare passivamente gli stimoli, ma è profondamente coinvolta nella gestione dell’incertezza, sia quella proveniente dallo stimolo stesso (quanto è chiara la vibrazione?) sia quella legata al processo decisionale (lecco o non lecco?).

• L’apprendimento riduce l’incertezza: Proprio come per la bicicletta, man mano che i topolini diventavano esperti nel compito, l’incertezza neurale diminuiva. Interessante, vero? E se interrompevamo l’addestramento (ad esempio, durante il weekend), l’incertezza tendeva a risalire leggermente, per poi scendere di nuovo con la ripresa.
• Incertezza alta alle soglie psicometriche: Quando le vibrazioni erano a metà strada tra “go” e “no-go” (le cosiddette frequenze “toss-up”, dove la decisione è quasi casuale), l’incertezza neurale schizzava alle stelle. È logico: se lo stimolo è ambiguo, il cervello è più incerto su come interpretarlo e cosa fare.
• Più incertezza, più errori: Abbiamo osservato una correlazione chiara: livelli più alti di incertezza erano associati a decisioni sbagliate. Se il cervello è molto incerto, è più probabile che commetta un errore.
• Dinamiche tra tentativi: L’incertezza non è statica, ma cambia dinamicamente anche in base a cosa è successo nel tentativo precedente. Ad esempio, un risultato inaspettato nel trial precedente poteva influenzare l’incertezza nel trial attuale.

Da “Principianti” a “Esperti”: L’Evoluzione dell’Incertezza

Una delle cose più affascinanti è stata osservare come cambia la rappresentazione dell’incertezza man mano che i topolini passavano da “naive” (i primi 3 giorni di addestramento) a “expert” (gli ultimi 3 giorni).

Nei topi naive, l’incertezza era alta un po’ dappertutto, senza grandi distinzioni tra tipi di stimolo o correttezza della risposta. Era come se il cervello fosse in una fase di “esplorazione generale”, mantenendo un livello di incertezza elevato che forse spinge l’apprendimento stesso.

Nei topi expert, invece, il quadro cambiava radicalmente. L’incertezza si abbassava significativamente per gli stimoli chiari (il “go” a 600 Hz e il “no-go” a 200 Hz) quando la risposta era corretta. E, come ci aspettavamo, rimaneva alta per le frequenze ambigue. Era come se il cervello avesse imparato a “calibrare” la sua incertezza in modo molto più specifico e utile per il compito.

Pensateci: all’inizio, quando non sapete nulla, siete incerti su tutto. Poi, imparando, diventate sicuri su certe cose e rimanete incerti solo su quelle veramente difficili o ambigue. Il cervello dei nostri topolini sembrava fare proprio questo!

Perché Tutto Questo è Importante?

Beh, per prima cosa, abbiamo sviluppato un nuovo modo per “vedere” e misurare l’incertezza direttamente dai dati neurali. Questo è un passo avanti enorme, perché ci permette di studiare questi processi cognitivi complessi con una precisione mai vista prima, superando i limiti dei metodi che richiedono di seguire gli stessi neuroni nel tempo.

Inoltre, i nostri risultati confermano e ampliano l’idea che la corteccia somatosensoriale primaria non sia solo una semplice stazione di passaggio per le informazioni tattili. È un’area dinamica che integra stimoli, ricompense, decisioni e, come abbiamo visto, anche l’incertezza. Questa incertezza non deriva da un singolo fattore, ma è il risultato dell’integrazione di molteplici elementi complessi.

Capire come il cervello gestisce l’incertezza è fondamentale. Pensate a disturbi come la schizofrenia o l’autismo, dove la percezione della realtà e la capacità di prendere decisioni in contesti incerti possono essere alterate. Il nostro approccio potrebbe, in futuro, aiutare a comprendere meglio i meccanismi neurali alla base di queste condizioni, o persino il ruolo di neurotrasmettitori come la dopamina e la norepinefrina, noti per essere coinvolti nella gestione dell’incertezza.

Insomma, abbiamo aperto una nuova finestra su come il cervello naviga in un mondo intrinsecamente incerto. È un po’ come aver fornito una nuova lente d’ingrandimento agli scienziati per esplorare questi territori affascinanti. E la cosa bella è che questo è solo l’inizio. Chissà quali altre meraviglie scopriremo continuando a indagare le dinamiche dell’incertezza neurale!

Spero che questo piccolo tuffo nel mondo dell’incertezza cerebrale vi sia piaciuto. È un campo di ricerca in continua evoluzione, e ogni nuova scoperta ci avvicina un po’ di più a comprendere la straordinaria complessità della nostra mente.

Fonte: Springer