Oovviamente non ci riferiamo solamente all'apprendimento scolastico, o, in generale, in ambito umano. Ci riferiamo, invece, ad un concetto molto più ampio. Adesso andremo ad esaminare alcuni livelli a cui può avvenire l'apprendimento.
Piccola premessa: queste sono solo le mie personali opinioni in proposito, e non intendo dire nulla di definitivo, o anche solo di autenticamente scientifico, sulla questione.
Apprendimento
Apprendimento
Allo zoo di Stoccarda ci sono molte zone per animali delimitate da fossati, piuttosto che da gabbie. In tali fossati vivono carpe. Se vi avvicinate per osservare gli animali proiettando un ombra sul fossatto, osserverete che le carpe vengono a galla aprendo la bocca. Evidentemente hanno appreso che spesso e volentieri i visitatori lanciano loro da mangiare.
Ad un livello ancora più primitivo: il C. Elegans memorizza durante i primi stadi del suo sviluppo la temperatura a cui è stato cresciuto, e tende a muoversi sempre verso temperature simili.
L'esempio di C. Elegans è decisamente estremo! Infatti il nostro nematode dispone di poche centinaia di neuroni; quindi vediamo come il comportamento di movimento deve essere in qualche maniera codificato all'interno di questa piccola rete neurale, tramite le sue connessioni con i neuroni sensoriali. Questo ci porta all'apprendimento di livello più basso.
Apprendimento parametrico: questo è quello che realizzano le reti neurali; un certo output della rete neurale viene premiato o meno con una ricompensa (virtuale) e, a seconda di questa ricompensa, vengono rinforzate o modificate le connesioni, in maniera tale che la rete tenda ad ottimizzare la ricompensa che ottiene. Questo è il principio del reinforcement learning. Ovviamente, per questo tipo di apprendimento è necessaria un'istanza superiore che elargisca la ricompensa.
Quali sono le grande sfide delle neuroscienze? Vediamone alcune:
- capire quali sono i meccanismi esatti dell'apprendimento parametrico;
- cosa sono le istanze ricompensanti dei vari circuiti;
- capire quali e quanti sono i livelli dell'apprendimento implicito e come sono legati fra loro;
- capire come è possibile l'emergenza dell'apprendimento esplicito ad un livello più alto.
Capite la difficoltà dell'impresa?
7 commenti:
Caro Lap(l)aciano,
penso che andrebbe a beneficio di tutti una terminologia meno ambigua. Quella che hai usato in primo luogo puó essere motivo di confusione con l'apprendimento associativo esplicito o implicito, in secondo luogo i termini "esplicito" e "implicito" non sono qui appropriati, in quanto non c'é nulla di nascosto nel cambiamento del comportamento di un animale in base all'ambiente.
Pertanto suggerisco di chiamare "autonomo" quello che tu hai chiamato "implicito" ed "eteronomo" quello che hai denominato "esplicito". La differenza sta infatti, per come l'hai spiegata, nel soggetto che elabora l'informazione ambientale.
Quello che hai definito "parametrico" trae il suo nome, se ho ben capito, dal fatto che ci si preoccupa di ottimizzare un parametro. Se é così questo non é un terzo tipo di apprendimento, come mi pare di evincere dal modo in cui lo hai presentato, bensì un meccanismo di apprendimento, che potrebbe applicarsi ugualmente bene alle differenti categorie di apprendimento.
Ti convince?
Ciao Giulio,
sono d'accordo con la tua prima osservazione, ma non con la seconda.
Il meccanismo d'apprendimento dovrebbe essere il meccanismo biofisico che a livello sinaptico permette alla rete neurale di evolversi verso il suo stato ottimale.
Tant'è che in neuroscienze computazionali si definisce "apprendimento" ("learning") quello di una rete neurale che apprenda una risposta ad uno stimolo e "regola di apprendimento" ("learning rule") il meccanismo sinaptico sottostante.
A presto
Stefano
Potresti spiegarmi come contrapponi, in questa classificazione, l'apprendimento parametrico da quello autonomo ed eteronomo?
Un potrebbe ottimizzare, infatti, l'integrazione sociale coi cospecifici nel caso dell'apprendimento eteronomo e le probabilità di sopravvivenza in quello autonomo. In ambedue i casi il sistema non farebbe altro che massimizzare il feedback piú desiderabile, determinato ad esempio geneticamente.
Ciao caro,
secondo me la differenza qualitativa è questa: nell'apprendimento autonomo ed eteronomo la ricompensa è mediata; per spiegarmi meglio: è il cervello che controlla il comportamento, ma è il corpo che riceve la ricompensa.
Mentre in una rete neurale il controllo del comportamento e la ricompensa agiscono allo stesso livello.
Adesso non so se è una differenza significativa, o è solo la foglia di fico del mio ragionamento impreciso.
Quando si parla di apprendimento con ricompensa in effetti si intende la ricompensa ricevuta dal corpo. Non ho mai pensato che il neurone potesse sentirsi "ricompensato", ma in effetti è un approccio interessante!
Ciao a tutti,
provo a inserirmi:
1°: approvo la distinzione "autonomo" "eteronomo", anche se ho qualche difficoltà a seguirla fino in fondo.
Esplicitandola ulteriormente, è giusto secondo voi definire "autonomo" l'apprendimento che deriva da output consistenti in stati interni dell'organismo, mentre "eteronomo" l'apprendimento che dipende da output esterni, da stati, modi di essere, prescrizioni del mondo esterno?
Detto questo, se la difinizione vi va bene ritengo probabile che i due tipi di apprendimento a livello cerebrale si intreccino, siano almeno per certi versi (o a diversi livelli di emergenza?) difficilmente distinguibili. In particolare immagino che lo strumento del linguaggio e delle rappresentazioni cerebrali più in generale (probabilmente non solo linguistiche), veicolino di volta in volta modi di essere (o se preferite stati) o del mondo interno, o del mondo esterno oppure un mix della risultanza degli stimoli provenienti da entrambi.
2°: un po' per via di quanto ho appena scritto non apprezzo molto la distinzione tra apprendimento parametrico e gli altri due, nel senso che quanto è stato definito apprendimento parametrico mi sembra potrebbe essere utilizzato di volta in volta per modellizzare forme diverse di apprendimento autonomo o eteronomo (mi sembra di pensarla un po' come Giulio, anche se in termini diversi).
3° sulla differenza qualitativa proposta alla fine parto da: "in una rete neurale il controllo del comportamento e la ricompensa agiscono allo stesso livello". Vero, ma non sempre direi: in diversi tipi di reti neurali per quanto ricordo i segnali utilizzati durante l'apprendimento da parte della rete neurale stessa (quelli che indicano se l'output è corretto o scorretto) vengono imposti dallo sperimentatore, potremmo dire che in un certo senso derivano da un "mondo esterno" rispetto alla rete (anche se in alcuni casi si propone che rappresentino il corrispettivo dell'effetto di altre reti cerebrali, e che rimangano per così dire eventi interni al cervello come si suppone che siae nella realtà).
Ci sono reti neurali per così dire "autoregolantisi", ma per quel che ne so costituiscono solo una parte, solo alcuni tipi dei possibili modelli ri reti neurali utilizzate.
Ciò premesso, dire che nell'apprendimento eteronomo e in quello autonomo la ricompensa è mediata mi sembra giusto, ma così, considerando poi proprio ciò che media la ricompensa a livello cerebrale, non si ha per certi versi proprio una forma di apprendimento nel cervello che alla fine risulta parametrica?
Ciao Daniele,
più che altro pensavo a:
eteronomo: la ricompensa è decisa da un attore esterno (un altro essere intelligente).
autonomo: la ricompensa è decisa da un sistema fisico.
Quanto al problema del termine "parametrico", secondo me il tuo commento evidenzia bene il fatto che non v'è molta differenza fra i tipi di apprendimento, ma sono semplicemente descrizioni a livelli diversi.
Posta un commento