Reti neurali artificiali aiutano il riconoscimento facciale nell’ASD

Kohitij Kar, uno scienziato ricercatore nel laboratorio del professor James DiCarlo del MIT, ha portato avanti questo studio per trovare una risposta . (DiCarlo, il professore di Peter de Florez nel Dipartimento di scienze cerebrali e cognitive, è anche membro del McGovern Institute for Brain Research e direttore del Quest for Intelligence del MIT.)

Kar ha iniziato studiando attentamente i dati forniti da altri due ricercatori: Shuo Wang della Washington University di St. Louis e Ralph Adolphs del Caltech. In un esperimento, gli scienziati hanno mostrato immagini di volti ad adulti con autismo e controlli neurotipici. Le immagini sono state generate da un software per variare su uno spettro da spaventoso a felice, ei partecipanti hanno giudicato, rapidamente, se i volti rappresentavano la felicità. Rispetto ai controlli, gli adulti con autismo hanno avuto bisogno di livelli più elevati di felicità nei volti per dichiararli felici.

Kar ha addestrato reti neurali artificiali, una complessa funzione matematica ispirata all’architettura del cervello, per svolgere lo stesso compito. Le reti neurali artificiali contengono strati di unità che assomigliano più o meno a neuroni biologici che elaborano le informazioni visive. Questi livelli elaborano le informazioni mentre passano da un’immagine di input a un giudizio finale che indica la probabilità che il viso sia felice. Kar ha rivelato che il comportamento della rete corrispondeva più da vicino ai controlli neurotipici rispetto agli adulti autistici.

Le reti neurali artificiali possiedono anche altre due funzioni interessanti. Innanzitutto, Kar ha tolto gli strati e ha testato nuovamente le sue prestazioni, misurando la differenza tra quanto bene corrispondeva ai controlli e quanto bene corrispondeva agli adulti con autismo. Questa differenza era maggiore quando l’output era basato sull’ultimo livello di rete. Un lavoro precedente ha dimostrato che questo strato in qualche modo imita la corteccia IT, che si trova vicino all’estremità della pipeline di elaborazione visiva ventrale del cervello dei primati. I risultati di Kar implicano la corteccia IT nel differenziare i controlli neurotipici dagli adulti con autismo.

L’altra funzione è che le reti neurali artificiali possono essere sfruttate per selezionare immagini che potrebbero essere più efficienti nelle diagnosi di disturbo dello spettro autistico. Se la differenza tra quanto la rete corrisponda ai controlli neurotipici rispetto agli adulti con autismo è maggiore quando si giudica un insieme di immagini rispetto a un altro insieme di immagini, il primo insieme potrebbe essere utilizzato in clinica per rilevare i tratti comportamentali autistici. “Questi sono risultati promettenti“, ha dichiarato Kar. “Arriveranno modelli migliori del cervello, “ma spesso in clinica non abbiamo bisogno di aspettare il miglior prodotto in assoluto”.

In un secondo step, Kar ha valutato il ruolo dell’amigdala. Ancora una volta, ha utilizzato i dati di Wang e colleghi. Avevano usato degli elettrodi per registrare l’attività dei neuroni nell’amigdala delle persone sottoposte a un intervento chirurgico per l’epilessia mentre eseguivano il compito del riconoscimento dell’espressione del viso. Il team di scienziati ha scoperto che potevano prevedere il giudizio di una persona in base all’attività di questi neuroni. Kar ha rianalizzato i dati, questa volta controllando la capacità del livello di reti neurali artificiali simili alla corteccia IT di prevedere se un viso era veramente felice. L’amigdala ha fornito pochissime informazioni di per sé. Kar ha concluso che la corteccia IT è la forza trainante dietro il ruolo dell’amigdala nel giudicare le emozioni facciali.

Kar ha addestrato reti neurali artificiali separate per far corrispondere i giudizi dei controlli neurotipici e degli adulti con autismo. Ha esaminato i punti di forza o “pesi” delle connessioni tra gli strati finali ei nodi decisionali. I pesi nella rete corrispondenti agli adulti con autismo, sia i pesi positivi o “eccitatori” che negativi o “inibitori“, erano più deboli rispetto ai controlli neurotipici corrispondenti alla rete. Quest’ ha indicato che le connessioni neurali sensoriali negli adulti con autismo potrebbero essere rumorose o inefficienti.

Per testare ulteriormente l’ipotesi del rumore, che è popolare nel campo, Kar ha aggiunto vari livelli di fluttuazione all’attività dello strato finale nella modellazione delle reti neurali artificiali degli adulti con autismo. Entro un certo intervallo, il rumore aggiunto ha aumentato notevolmente la somiglianza tra le sue prestazioni e quelle degli adulti con autismo. L’aggiunta di rumore alla rete di controllo ha fatto molto meno per migliorare la sua somiglianza con i partecipanti al controllo. Questo suggerisce ulteriormente che la percezione sensoriale nelle Person con autismo potrebbe essere il risultato di un cosiddetto cervello “rumoroso“.

Guardando al futuro, Kar vede diversi usi per i modelli computazionali dell’elaborazione visiva. Possono essere ulteriormente spinti, fornendo ipotesi che i ricercatori potrebbero testare su modelli animali. “Penso che il riconoscimento delle emozioni facciali sia solo la punta dell’iceberg”, ha si Kar: “Possono anche essere utilizzati per selezionare o addirittura generare contenuti diagnostici. L’intelligenza artificiale potrebbe essere utilizzata per generare contenuti come film e materiale didattico che coinvolga in modo ottimale bambini e adulti autistici. Si potrebbe persino modificare i pixel del viso e altri pixel rilevanti in ciò che le persone autistiche vedono negli occhiali per realtà aumentata“, lavoro che Kar intende perseguire in futuro.

In definitiva, afferma Kar, il lavoro aiuta a convalidare l’utilità dei modelli computazionali, in particolare delle reti neurali artificiali di elaborazione delle immagini. Formalizzano le ipotesi e le rendono verificabili. Un modello o un altro corrispondono meglio ai dati comportamentali? “Anche se questi modelli sono molto lontani dal cervello, sono falsificabili, piuttosto che persone che inventano storie”, ha concluso: “Per me, questa è una versione più potente della scienza.”