Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
A mouse is rewarded for responding to timed patterns of smells. At University of Utah Health, researchers gave a neural network a computational version of that challenge and found that the order of training changed both its accuracy and its activity patterns, just as it did in living brains.
Un topo riceve una ricompensa quando risponde a schemi temporizzati di odori. Presso University of Utah Health, i ricercatori hanno sottoposto una rete neurale a una versione computazionale di quella sfida e hanno scoperto che l’ordine dell’addestramento modificava sia la sua accuratezza sia i suoi schemi di attività, proprio come accadeva nei cervelli viventi.
The difficult task required a specific response after two stimuli of different durations, a “go” trial, and no response when the two stimuli were the same length, a “no-go” trial. The researchers first trained some networks only on go trials, then introduced the complete task. Those networks learned the complex version more accurately than networks trained on the full challenge from the start.
Il difficile compito richiedeva una risposta specifica dopo due stimoli di durata diversa, una prova «go», e nessuna risposta quando i due stimoli avevano la stessa durata, una prova «no-go». I ricercatori hanno prima addestrato alcune reti esclusivamente sulle prove «go», poi hanno introdotto il compito completo. Queste reti hanno imparato la versione complessa con maggiore accuratezza rispetto alle reti addestrate fin dall’inizio sull’intera sfida.
The difference showed up in the errors. Networks that skipped the simpler stage often responded too early, jumping after the first long stimulus. Living animals make the same predictable mistake when training is poorly structured, giving the computational model a way to suggest how real brains may learn—and fail.
La differenza emergeva negli errori. Le reti che saltavano la fase più semplice spesso rispondevano troppo presto, reagendo dopo il primo stimolo lungo. Gli animali viventi commettono lo stesso errore prevedibile quando l’addestramento è strutturato male, offrendo al modello computazionale un modo per suggerire come i cervelli reali possano imparare — e fallire.
The researchers then measured neuron-level activity in mice in the medial entorhinal cortex, a brain region involved in task learning. The patterns broadly matched those adopted by the neural networks: both moved through a cycle during a trial, ending in roughly the state where they began, and both veered from that path when a response was required. “We can use these complex models to make specific predictions,” said Jack Bowler, the study’s first author.
I ricercatori hanno poi misurato l’attività a livello neuronale nei topi nella corteccia entorinale mediale, una regione cerebrale coinvolta nell’apprendimento dei compiti. Gli schemi corrispondevano in linea generale a quelli adottati dalle reti neurali: entrambi attraversavano un ciclo durante una prova, concludendolo più o meno nello stato iniziale, ed entrambi deviavano da quel percorso quando era richiesta una risposta. «Possiamo usare questi modelli complessi per elaborare previsioni specifiche», ha dichiarato Jack Bowler, primo autore dello studio.
Concretely, the immediate benefit is for research: Bowler says modeling helped the team reach useful hypotheses faster and reduce the number of animals needed for testing. The longer-term possibility is better-structured training programs, along with new clues about diseases that disrupt complex thinking. But the work remains a study of neural networks and mice; no human learning program or treatment has been tested.
Nell’immediato, il vantaggio riguarda la ricerca: Bowler afferma che la modellazione ha aiutato il team a raggiungere più rapidamente ipotesi utili e a ridurre il numero di animali necessari per i test. Nel lungo periodo, potrebbe consentire di strutturare meglio i programmi di addestramento e offrire nuovi indizi sulle malattie che compromettono il pensiero complesso. Il lavoro resta però uno studio sulle reti neurali e sui topi: nessun programma di apprendimento o trattamento per esseri umani è stato testato.