L’evoluzione della civiltà e della cultura è legata all’utilizzo di simboli scritti, ma la domanda che rimane aperta è in che modo impariamo a riconoscere visivamente le lettere ovvero quei simboli astratti che possono apparire in una miriade di tipi di carattere (font), stili grafici e dimensioni? Alla domanda rispondono i ricercatori dell’Università di Padova. Lo studio, pubblicato sulla rivista Nature Human Behaviour, mostra come riproducendo in una simulazione al computer la capacità umana di percepire le lettere utilizzando algoritmi di deep learning – l’ultima frontiera dell’intelligenza artificiale – la rete neurale veda le lettere nello stesso modo in cui le vede un osservatore umano.

«Abbiamo presentato a una rete neurale artificiale migliaia di immagini naturali come foto di paesaggi – spiega il professore Marco Zorzi, del dipartimento di Psicologia generale e Padova Neuroscience Center e coordinatore dello studio – in modo che i neuroni della rete apprendessero come rappresentare le caratteristiche visive più semplici (ad esempio linee orientate) così come avviene nella corteccia visiva primaria del nostro cervello». Si tratta di un passaggio fondamentale sul fronte delle prospettive dell’intelligenza artificiale: i neuroni del cervello vedono le lettere nello stesso modo di una rete computerizzata.

«I neuroni dello strato più profondo della rete neurale, osservando in seguito immagini di lettere che variano per font, stile e dimensioni, senza aver però ricevuto alcuna informazione sull’identità delle lettere – dice Zorzi – hanno sviluppato rappresentazioni visive complesse fino a raffigurare forme astratte delle lettere, combinando le caratteristiche visive più semplici codificate dai neuroni dello strato precedente. Infine, abbiamo verificato che la rete neurale riproduce accuratamente la percezione umana delle lettere». La ricerca dimostra come questa forma di apprendimento, basata sull’osservazione e su un parziale riciclaggio di circuiti neuronali preesistenti, sia molto più simile ai meccanismi dell’apprendimento umano rispetto a quella utilizzata nelle recenti applicazioni tecnologiche del deep learning.

Il fatto che l’apprendimento delle lettere sia facilitato dal riutilizzo di primitive visive delle immagini naturali supporta l’ipotesi che le forme dei simboli in tutti i sistemi di scrittura umani siano state culturalmente selezionate per adattarsi al meccanismo neurale che le assembla a partire da semplici tratti. Lo studio apre nuove strade all’affinamento dell’intelligenza artificiale e può trovare applicazione per una migliore comprensione dei processi visivi nella lettura e dei loro deficit nella dislessia. La ricerca è stata condotta da Alberto Testolin, assegnista di ricerca, e da Ivilin Stoianov, ricercatore Cnr, col coordinamento del professore Zorzi.

LASCIA UN COMMENTO

Inserisci il commento!
Il tuo nome