Alternative in Psicologia e nelle Neuroscienze: le Reti Neurali

Come già accennato in altri articoli (come questo: http://alternativesperimentazioneanimale.wordpress.com/2012/12/26/critica-ai-modelli-animali-in-psicologia-e-psichiatria/), l’uso degli animali in ambito psicologico è ampiamente criticabile, infatti il comportamento dell’animale è facilmente mal interpretabile, buona parte delle sue risposte provengono da influenze ambientali (che in uno studio sperimentale in laboratorio sono difficilmente riproducibili, creando reazioni spesso innaturali o non rappresentative di quelle che le creature avrebbero nel loro habitat d’origine), senza contare che sia i constraints of learning (limiti dell’apprendimento) che il linguaggio rappresentano aspetti specie-specifici e ciò crea un forte ostacolo alla trasposizione delle risposte animali all’uomo.

Quali possono essere le alternative allora? 

Oltre alle ricerche sui casi clinici, su volontari in maniera non-invasiva e all’uso di tecniche di neuroimmagine, si aggiungono le Reti Neurali.

In molti compiti, si può mettere in parallelo l’accuratezza di una rete con l’accuratezza delle risposte dei soggetti umani, ad esempio Stevens e Latimer [1] hanno rilevato le stesse prestazioni, in termini di accuratezza, in reti a diverso livello di apprendimento, e in soggetti umani musicalmente educati e non, in compiti di discriminazione e classificazione di melodie.
Ratcliff [2], con compiti di tipo psicofisico, ha potuto realizzare una rete autoassociativa, la cui prestazione segue perfettamente quella di soggetti umani.
Reilly [3] realizzò una rete che, applicata nella simulazione di compiti di lettura, fornisce dei tempi di reazione alle risposte (in termini di controllo dei movimenti oculari) che rispettano perfettamente quelli umani.
Stevens [4] ha dimostrato un impressionante parallelismo tra le reti e i tempi di reazione nell’uomo in compiti di riconoscimento di melodie modificate.
Le reti possono simulare anche errori di pensiero tipicamente umani nella soluzione di problemi [5].

Una volta apprezzate le loro capacità, vediamo in dettaglio cosa sono le reti neurali:

Una rete neurale è un insieme di neuroni tra loro interconnessi; nell’uso moderno si intende di solito con rete neurale (RN) una rete di neuroni artificiali, che cerca di simulare il funzionamento dei neuroni biologici all’interno di un sistema informatico. Nell’ambito delle “neuroscienze computazionali” le reti costituiscono dei modelli teorici di aree funzionali del sistema nervoso centrale.

Il cervello umano può essere considerato come un’enorme rete neurale e rappresenta probabilmente il più mirabile frutto dell’evoluzione per le sue capacità di elaborare informazioni.
Al fine di compiere tali operazioni, le reti biologiche si servono di un numero imponente di semplici elementi computazionali (neuroni) fittamente interconnessi in modo da variare la loro configurazione in risposta agli stimoli esterni: in questo senso può parlarsi di apprendimento ed i modelli artificiali cercano di catturare questo tratto distintivo della biologia.
Le reti neurali sono utili quando c’è il bisogno di trattare un gran numero di dati: sono impiegate diffusamente dalla finanza alla criminologia alla ricerca biomedica. Presso il centro ricerche Semeion di Roma (http://www.semeion.it/), le RN sono sfruttate per diverse applicazioni, comprese ricerche sul morbo di Alzheimer. I ricercatori del Semeion hanno utilizzato i dati provenienti da un lungo studio epidemiologico, il Nun Study: questo studio venne condotto negli USA [6] su centinaia di suore che si offrirono di partecipare al progetto. Sono stati raccolti così numerosi dati clinici e successivamente alla morte delle suore, dati anatomo patologici dai tessuti cerebrali. I dati sono stati inseriti in un modello basato su RN che consente di diagnosticare precocemente la malattia con un’ottima predittività.
Altri studi che sfruttano le RN sono quelli per comprendere le cause di malattie, come ad esempio la Sclerosi Laterale Amiotrofica (SLA), inserendo tutti i dati genetici provenienti da studi su popolazioni. 

Note:
[1] Catherine Stevens, Cyril Latimer. A comparison of connectionist models of music recognition and human performance. Minds and Machines November 1992, Volume 2, Issue 4, pp 379-400.
ABSTRACT: http://link.springer.com/article/10.1007%2FBF00419420

[2] Roger Ratcliff. Connectionist Models of Recognition Memory: Constraints Imposed by Learning and Forgetting Functions. Psychological Review 1990, Vol. 97, No. 2, 285-308.
ABSTRACT: http://www.ncbi.nlm.nih.gov/pubmed/2186426

[3] Ronan Reilly. A Connectionist Attentional Shift Model of Eye-Movement Control in Reading. Proceedings of the 15th Annual Meeting of the Cognitive Science Society, Boulder, CO.
(http://www.cs.nuim.ie/research/cortex/site/attachments/029_RR_ConnModelofEM.pdf)

[4] Janet Wiles, Cyril Latimer, Catherine Stevens. Collected Papers from a Symposium on Connectionist Models and Psychology. Key Centre for Software Technology, Department of Computer Science, University of Queensland, 1994

[5] J L McClelland. A Connectionist Perspective on Knowledge and Development
in Tony J. Simon, Graeme S. Halford. Developing Cognitive Competence: New Approaches to Process Modeling. Routledge, 1995
(http://psych.stanford.edu/~jlm/papers/McClelland95.pdf)

[6] Snowdon DA. Aging and Alzheimer’s disease: lessons from the Nun Study. Gerontologist. 1997 Apr;37(2):150-6.
ABSTRACT: http://www.ncbi.nlm.nih.gov/pubmed/9127971 

Annunci

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...