- Una nuova ricerca della Johns Hopkins University dimostra che l’IA può iniziare a mostrare comportamenti simili a quelli del cervello umano anche senza essere stata addestrata su alcun dato.
- Questa scoperta sfida l’approccio attualmente prevalente basato su dataset giganti, mesi di addestramento e infrastrutture di calcolo da centinaia di miliardi di dollari.
- Gli scienziati si stanno concentrando sulla modifica dell’architettura dell’IA affinché somigli di più al cervello biologico, invece di “alimentarla” con ulteriori dati.
- Lo studio, pubblicato su Nature Machine Intelligence, sottolinea che la struttura del sistema è importante quanto la quantità di dati in ingresso.
- Il team di ricerca ha confrontato tre architetture IA popolari: transformer, reti completamente connesse (fully connected) e reti neurali convoluzionali (CNN).
- Sono stati creati decine di modelli diversi non pre-addestrati, ai quali sono state mostrate immagini di oggetti, persone e animali.
- L’attività interna di questi modelli è stata confrontata con le risposte cerebrali di umani e primati durante l’osservazione delle stesse immagini.
- L’aumento del numero di neuroni nei transformer e nelle reti completamente connesse non ha prodotto differenze significative.
- Al contrario, le CNN non addestrate hanno generato modelli di attività molto vicini a quelli del cervello umano.
- L’efficacia di questi modelli è paragonabile all’IA tradizionale che richiede l’addestramento su milioni o miliardi di immagini.
- I risultati indicano che l’architettura dell’IA può determinare il comportamento “simil-cervello” in modo più potente dei dati stessi.
- Il team sta esplorando metodi di apprendimento semplici e bio-ispirati per creare nuovi framework di deep learning più efficienti.
📌 Conclusione: La nuova ricerca della Johns Hopkins University dimostra che l’IA può manifestare comportamenti cerebrali anche senza dati di addestramento. Gli scienziati puntano ora su architetture bio-ispirate piuttosto che sull’espansione dei dati. Ciò non solo apre nuove strade, ma mette in discussione l’attuale modello di IA generativa basato sui big data.
