Come fa il nostro cervello a cavarsela con problemi complessi, anche senza conoscere tutte le risposte? La risposta arriva da uno studio del MIT che ha scoperto come pensiamo… un po’ come un computer e anzi, come un programmatore alle prese con un algoritmo difficile: spezzettando il problema e scegliendo la strategia migliore di volta in volta, sostanzialmente quello che in informatica si chiama analisi top-down.
Lo studio, pubblicato su Nature Human Behavior, mostra che quando ci troviamo davanti a una situazione troppo complicata da risolvere tutta insieme, il nostro cervello adotta due strategie principali:
- il ragionamento gerarchico, cioè dividere il problema in passi più piccoli,
- il ragionamento controfattuale, ovvero ripensare alle scelte fatte e chiedersi “e se avessi fatto diversamente?”.
Un esperimento curioso: seguire una pallina invisibile
Per dimostrarlo, i ricercatori del MIT hanno creato un esperimento molto particolare: ai partecipanti veniva mostrato un labirinto con quattro possibili percorsi. Una pallina entrava nel labirinto… ma poi spariva! Gli unici indizi erano due suoni, che segnalavano quando la pallina passava da due punti chiave del percorso.
A questo punto, i partecipanti dovevano indovinare dove si trovasse la pallina. Sembra impossibile? In effetti lo è, almeno da un punto di vista puramente logico: per farlo alla perfezione servirebbero quattro simulazioni mentali in parallelo. Come avere quattro conversazioni contemporaneamente, dice Mehrdad Jazayeri, uno degli autori.
Eppure, le persone se la cavavano sorprendentemente bene, pur con qualche errore.
Due strategie, proprio come un’IA con risorse limitate
I ricercatori hanno analizzato i comportamenti dei partecipanti usando modelli matematici. E hanno scoperto che nessuno seguiva tutte le possibilità insieme (non siamo IA da supercomputer, dopotutto), ma sceglievano una traiettoria, ci ragionavano sopra… e se qualcosa non tornava, ripensavano tutto da capo.
Proprio come un’intelligenza artificiale con risorse limitate, che adatta la propria strategia in base alla memoria disponibile o alla complessità del problema.
Infatti, quando i ricercatori hanno simulato lo stesso esperimento usando una rete neurale artificiale, questa riusciva sempre a trovare la soluzione perfetta… a meno che non le venissero imposti dei limiti simili a quelli umani. A quel punto, anche la macchina cominciava ad adottare strategie simili a quelle delle persone: ragionamento gerarchico, uso del ricordo recente, correzione degli errori in corso d’opera.
L’importanza di questo studio
Questo studio non è solo una curiosità da laboratorio: ci aiuta a capire meglio come funziona il nostro cervello quando affrontiamo problemi complessi, dalle decisioni quotidiane a compiti professionali più impegnativi. Ma non solo: offre spunti preziosi per migliorare l’intelligenza artificiale, rendendola più simile al pensiero umano in situazioni reali.
E conferma una cosa importante: non dobbiamo essere perfetti per essere efficaci. A volte, la nostra forza sta proprio nel saperci arrangiare bene con ciò che abbiamo, usando l’esperienza, l’intuito e un pizzico di flessibilità.
Fonti e crediti
Lo studio è stato condotto dal team del McGovern Institute for Brain Research del MIT, con il supporto di varie borse di ricerca tra cui quella della Lisa K. Yang ICoN Fellowship e della Simons Foundation.
