A cura di MIUR - Direzione Generale per il coordinamento la promozione e la valorizzazione della ricerca

Robotics in support of neuroscience, the secrets of the brain uncovered through “neurorobots”

Robotics in support of neuroscience, the secrets of the brain uncovered through “neurorobots”

Alessandra Pedrocchi is Associate Professor of Bioengineering at the Department of Electronics, Information and Bioengineering of Politecnico di Milano. She is Head of the Neuroengineering section of the Nearlab. She is currently coordinator of several national and international projects, including CerebNEST, a partner project of the European Flagship Human Brain Project.

La Flagship Human Brain Project (HBP) è un progetto finanziato dall’Unione Europea con oltre un miliardo di euro in 10 anni (2013-2023), nel quale collaborano 120 istituzioni europee con l’ambizioso obiettivo di simulare il cervello umano.

Il cervello è un organo estremamente complesso, formato da mille miliardi di neuroni, connessi tramite milioni di miliardi di connessioni, dette sinapsi. Data la sua complessità, è necessario uno sforzo collettivo e multidisciplinare per poterne studiare i meccanismi in modo da trarne una conoscenza significativa. La generazione di modelli fisico-chimico-matematici del cervello e di sue sotto-parti ha proprio l’obiettivo di arrivare ad una migliore comprensione del suo funzionamento.

Il Politecnico di Milano è partner del progetto HBP dal 2017, tramite CerebNEST, un progetto in collaborazione con l’Università di Pavia e l’EPFL di Ginevra. Questo partnering project è focalizzato sulla modellazione del cervelletto, una parte del sistema nervoso centrale cruciale per il controllo fine del movimento e, in generale, per l’apprendimento motorio.

Per comprendere il funzionamento dei meccanismi che regolano la nostra capacità di adattamento ai cambiamenti dell’ambiente in cui ci muoviamo, stiamo sviluppando modelli avanzati e realistici del cervelletto tramite reti neurali artificiali. Questi modelli hanno una connotazione differente rispetto alle reti neurali usate attualmente per il machine learning e il deep learning. Infatti, le reti neurali artificiali che sviluppiamo hanno una topologia e una connettività che imitano la struttura neurale del cervelletto stesso. Inoltre, grazie alla preziosa collaborazione con i neurofisiologi dell’università di Pavia, è possibile arricchire di dettagli il modello, rendendolo via via più simile alla realtà biologica.

Una volta che il modello è stato costruito, è necessario eseguire un’ottimizzazione dei parametri liberi, non riconducibili alle misure fisiologiche disponibili, e si deve testare le capacità di apprendimento della rete neurale. È in questo passaggio che entra in gioco la robotica, fornendo il banco di prova alle teorie. I cervelli simulati che sviluppiamo, infatti, devono avere un corpo, a cui essere connessi, per poter interagire con l’ambiente, ricevendo input sensoriali (dai diversi sensori del robot) e agendo tramite comandi motori (ovvero azionando i motori del robot).

I robot controllati tramite modelli neuro-ispirati vengono quindi chiamati neurorobot e sono in grado di imparare e disimparare dall’esperienza tramite regole di plasticità al posto di rigide strategie comportamentali, esattamente nel modo in cui imparano l’uomo e gli animali.

Grazie ai modelli neurali sviluppati è possibile capire quale sia il ruolo delle specifiche popolazioni di neuroni e dei diversi meccanismi di plasticità, riproducendo comportamenti di adattamento sani e patologici. La piattaforma tecnologica e le metodologie sviluppate possono quindi essere estese allo studio e alla modellazione computazionale di altre aree cerebrali, accelerando enormemente sia lo sviluppo della ricerca sul cervello, sia nuove soluzioni tecnologiche per affrontare problemi complessi come i sistemi di intelligenza artificiale e il controllo robotico avanzato.

Alessandra Pedrocchi, professore associato di Bioingegneria del Politecnico di Milano

 

Publication date 10/22/2018
Tag Life Sciences , Physical Sciences and Engineering