Per questo nuovo appuntamento dello Scientifica Journal, vogliamo esplorare l’interessante mondo delle neuroscienze cognitive computazionali, ovvero quella branca delle neuroscienze che utilizza modelli matematici per gestire e analizzare in modo ottimale grandi quantità di dati ottenuti dall’analisi di sistemi biologici complessi.

Ad accompagnarci in questo viaggio sarà il Professore Massimiliano Garagnani, docente di Computer Science presso l’Università di Londra, che ci offrirà uno sguardo privilegiato sul suo percorso accademico e sui suoi progetti di ricerca.

Partiamo dall’inizio, può raccontarci come è iniziata la sua carriera nella ricerca e quale è stato il suo background accademico?

Sono partito da una Laurea in Scienze dell’Informazione all’Università di Bologna seguita da due dottorati: uno in Intelligenza Artificiale presso l’Università di Durham nel Regno Unito e un altro in Neuroscienze Cognitive Computazionali presso l’Università di Cambridge.

Subito dopo il mio primo dottorato ottenni una “Research Fellowship” di 5 anni alla Open University (UK), grazie alla quale riuscii ad ottenere un posto di “Visiting Scholar” all’ International Computer Science Institute (ICSI) a Berkeley (USA), dove, ho avuto l’onore di lavorare con il Dr. Lokendra Shastri per un periodo di 6 mesi.

Fu grazie a questa esperienza che iniziai per la prima volta a lavorare nell’ambito delle neuroscienze computazionali.

Terminata questa esperienza, ricevetti dei fondi dal Consiglio delle Ricerche Mediche del Regno Unito (UK Medical Research Council) per intraprendere il mio secondo dottorato, questa volta a Cambridge. Fu proprio questo secondo PhD che mi apri’ le porte alla  ricerca nel campo delle neuroscienze cognitive computazionali.

Facendo riferimento alla sua attività di ricerca, quali sono i principali ambiti in cui si è specializzato?

Durante la “Research Fellowship” alla Open University, ho lavorato nel campo dell’Intelligenza Artificiale, in particolare, i relativi sottoverticali di pianificazione automatica e rappresentazione della conoscenza.

Ma è stato a partire dal mio secondo dottorato, che mi sono specializzato nel campo delle neuroscienze cognitive computazionali, ed in particolare, nello sviluppo ed applicazione dei modelli neurocomputazionali “brain-constrained”, ovvero,  che riproducono accuratamente la struttura e le dinamiche del cervello umano.

Un progetto di ricerca che simula funzioni cognitive di livello superiore come il linguaggio e i processi decisionali, tramite meccanismi di apprendimento che esistono solo nella corteccia cerebrale, a partire da una rete neurale inizialmente priva di qualunque conoscenza, ovvero contenente solo connessioni create a caso.

Molto interessante, e tra le ricerche che sta portando avanti, quale possiamo considerare la più rilevante?

Beh sicuramente uno tra i progetti più interessanti riguarda la modellazione della nascita del processo decisionale del singolo in un modello computazionale realistico di un cervello. In altre parole, studiare la nascita del “libero arbitrio”.

Precedentemente, in un modello delle aree corticali nei lobi frontali e temporali, era stata rilevata un’attività spontanea e pseudo-casuale che si è rivelata analoga al comportamento neurale osservato nel cervello umano immediatamente prima e durante semplici decisioni “di azione”.

Lo scopo della mia ricerca è migliorare questo modello esistente affinché il risultato finale sia un sistema di rete neurale realistico per il cervello in grado di acquisire, come risultato dell’esperienza, una forma primitiva di “libero arbitrio artificiale” e un comportamento intrinseco di “ricerca del piacere”, come tipicamente osservato negli esseri umani e in altri animali durante lo sviluppo.

Per arrivare a questo obiettivo abbiamo agito, in primis, sull’introduzione di cellule artificiali “spiking”, in modo da ottenere un modello biologicamente più accurato; in secondo luogo, abbiamo messo a punto i parametri del modello in modo che il suo comportamento macroscopico replichi quello dei soggetti reali; e infine, introducendo una componente modulatoria dopaminergica nel meccanismo di apprendimento, che simula la presenza della “ricompensa”. Ciò doterà il sistema artificiale della capacità di sviluppare naturalmente un comportamento di “ricerca del piacere” tale per cui le intenzioni di azione generate spontaneamente non siano più pseudo-casuali, ma siano scelte sulla base della ricompensa attesa.

Se dovesse raccontarci la scoperta o l’esperienza più gratificante della sua carriera scientifica, quale sceglierebbe?

La mia scoperta più interessante fu osservare che il modello neurocomputazionale che avevo sviluppato esibiva, inaspettatamente, un’attivita’ “spontanea”, un comportamento inatteso e, tuttavia, non erroneo, per il quale i suoi circuiti neurali artificiali non erano stati pre-programmati. Questo tipo di attivita’ spontanea può essere paragonata, nel campo dell’intelligenza artificiale/reti neuronali, ad una forma primitiva di ciò che normalmente viene definito ”’libero arbitrio”.

Vista la sua decennale esperienza, quale consiglio darebbe ai ricercatori per mantenere viva la passione per la ricerca?

Secondo la mia esperienza, ciò che mantiene viva la passione per la ricerca è il bisogno di scoprire la verità quando ci si trova in presenza del mistero; citando Albert Einstein: “L’esperienza più bella e profonda è il sentimento del mistero, che caratterizza sia la religione che le aspirazioni più avanzate nell’arte e nella scienza”.

Grazie Professore Garagnani per questa sua testimonianza.

Continuate a seguirci, perché proseguiremo insieme nell’esplorazione delle frontiere dell’innovazione e, grazie allo sguardo degli scienziati che intervistiamo, ci spingeremo ad analizzare i confini della scienza e delle scoperte.