Il cervello impara a cercare una ricompensa

Uno studio ha indagato le ragioni per le quali il cervello cerca una ricompensa. La ricerca è stata sviluppata da scienziati dell’Allen Institute, dello Zuckerman Mind Brain Behavior Institute della Columbia University, del Champalimaud Center for the Unknown e del Seattle Children’s Research Institute e getta nuova luce su questo mistero.

Il team di scienziati ha rivelato come la dopamina non solo segnali una ricompensa, ma guidi anche gli animali a concentrarsi sui comportamenti specifici che portano a queste ricompense attraverso tentativi ed errori.

È noto che la dopamina, un messaggero chimico chiave nel cervello, svolge un ruolo cruciale in questo processo. Ma non è ancora chiaro come esattamente il cervello colleghi azioni specifiche al rilascio di dopamina .

I risultati dello studio sono stati pubblicati su Nature.

Cervello: ecco perché cerca una ricompensa

Curiosamente, la ricerca mostra anche che il sistema di ricompensa del cervello può alterare rapidamente e dinamicamente l’intera gamma di movimenti e comportamenti di un animale. Ciò evidenzia una sofisticata strategia di apprendimento in cui i comportamenti non sono solo rinforzati, ma attivamente modellati e perfezionati attraverso l’esperienza, ha affermato Rui Costa, DVM, Ph.D. , l’autore senior dello studio.

“Quando si rafforza un comportamento, spesso pensiamo che sia solo quell’azione”, ha affermato Costa, presidente e amministratore delegato dell’Allen Institute. “Ma no: stai cambiando l’intera struttura comportamentale. E ciò che è stato davvero sorprendente è stata la rapidità con cui tutto ciò è avvenuto.”

Per scoprire queste informazioni, il team ha collaborato con ingegneri e neuroscienziati del Champalimaud Center for the Unknown per sviluppare un nuovo sistema a “circuito chiuso” in grado di collegare azioni specifiche dei topi al rilascio di dopamina in tempo reale.

I ricercatori hanno dotato i topi di sensori wireless per tracciare i loro movimenti all’interno di un semplice spazio controllato. Hanno poi inserito questi dati in un algoritmo di apprendimento automatico, che ha classificato queste azioni in gruppi distinti. I ricercatori hanno poi utilizzato l’optogenetica, un metodo per controllare i neuroni con la luce, per stimolare i neuroni della dopamina una volta che i topi eseguivano “azioni target” predefinite.

Hanno scoperto che i topi cambiavano rapidamente il loro comportamento in risposta al rilascio di dopamina. Inizialmente, non solo aumentavano la frequenza dell’azione target, ma anche di azioni simili e di quelle avvenute pochi secondi prima del rilascio di dopamina. Nel frattempo, le azioni dissimili dall’obiettivo sono rapidamente diminuite. Nel corso del tempo, questo perfezionamento è diventato più preciso, con i topi che si concentravano sempre più sull’azione esatta che portava al rilascio di dopamina.

Lo studio ha anche esaminato il modo in cui i topi apprendono una serie di azioni, svelando un processo chiave simile al riavvolgimento del tempo per capire cosa porta a una ricompensa. Quando le azioni che attivavano la dopamina si verificavano più distanti, i topi imparavano più lentamente. Ciò dimostra che attese più lunghe tra le azioni rendono più difficile per i topi collegare la sequenza con la ricompensa.

In sostanza, le azioni subito prima della ricompensa vengono rapidamente comprese e migliorate, mentre le azioni precedenti vengono perfezionate in modo più graduale. Questo processo di “riavvolgimento” rafforza il comportamento e aiuta i topi a identificare progressivamente quali azioni e sequenze precise producono la ricompensa.

I risultati potrebbero avere un impatto su diversi campi come l’istruzione e l’intelligenza artificiale (AI), ha affermato l’autore principale Jonathan Tang, Ph.D. , professore assistente presso l’Università di Washington Medicine-Pediatrics, Seattle Children’s Research Institute. Ad esempio, consentire l’esplorazione, gli errori e il miglioramento graduale in classe potrebbe essere più in linea con i processi di apprendimento innati del nostro cervello.

Nell’intelligenza artificiale, le informazioni potrebbero portare a sistemi di apprendimento più sofisticati ed efficienti. Replicando meglio i processi di apprendimento biologico, potremmo creare un’intelligenza artificiale che si adatti meglio a nuovi dati e situazioni.

Questo studio offre una visione più approfondita di come il nostro cervello apprende e si adatta attraverso prove ed errori, che tu sia uno scienziato o un cucciolo.

“Diamo per scontato molte cose su come funzionano le cose, inclusa l’assegnazione dei crediti”, ha detto Tang, che ha iniziato la ricerca con Costa mentre era alla Columbia University. “Ma è quando inizi davvero ad immergerti che ti rendi conto della complessità. Questo è il motivo per cui le persone fanno scienza: per capire la verità della questione.”