Dimenticate processori potenti, algoritmi complessi e reti neurali profonde. Un gruppo di ricercatori ha appena dimostrato che bastano otto semplici neuroni artificiali assemblati su una scheda per controllare completamente un veicolo autonomo.
Il truck, equipaggiato con quattro sensori di prossimità, naviga ed evita ostacoli guidato da questo “cervello” minimalista che sfida tutto quello che credevamo di sapere sull’intelligenza artificiale applicata ai trasporti.
Il cervello artificiale che inizia a guidare
Il Global Science Network ha rilasciato un video che mostra una rete neurale composta da otto neuroni artificiali assemblati su una piccola base, utilizzata per controllare un truck giocattolo completamente autonomo. Il veicolo è equipaggiato con quattro sensori di prossimità: uno frontale, uno anteriore sinistro, uno anteriore destro e uno posteriore. Le letture dei sensori vengono trasmesse al cervello artificiale che determina quale direzione prendere e se procedere avanti o indietro.
Gli input a ciascun neurone, le “sinapsi”, possono essere eccitatori per aumentare la frequenza di attivazione o inibitori per diminuirla. I comandi di output vengono poi restituiti wireless al truck tramite un radiocomando modificato. Questo particolare tipo di rete neurale è chiamato Spiking Neural Network (SNN), rete neurale spiking, che utilizza eventi discreti, chiamati “spike”, invece di attivazioni continue a valori reali.
Il nome di questo veicolo sperimentale è GSN SNN 4-8-24-2 Autonomous Vehicle, che sta per: Global Science Network Spiking Neural Network 4 Input 8 Neuroni 24 Sinapsi 2 Gradi di Libertà Output. I circuiti sia sul veicolo che sulla base sono pieni di LED che danno un’idea di come funziona tutto il sistema.
Neuroni artificiali: perché gli spike fanno la differenza
Le reti neurali spiking rappresentano la terza generazione di reti neurali artificiali, molto più vicine al funzionamento del cervello dei mammiferi rispetto alle loro predecessori. Le loro unità computazionali, i neuroni spiking, sono caratterizzati da equazioni differenziali ordinarie che permettono la rappresentazione di sistemi dinamici, con gli spike che servono come mezzo per la comunicazione asincrona tra neuroni.
Come spiegato in uno studio del 2024 pubblicato su Sensors, le SNN utilizzano meccanismi di codifica a impulsi che permettono di incorporare informazioni spazio-temporali, abilitando una modellazione temporale accurata e l’acquisizione di informazioni con maggiore precisione. Possono codificare grandi quantità di informazioni nel timing relativo tra gli spike, portando alla possibilità di implementazioni più veloci ed efficienti.
A causa dell’uso di eventi discreti nell’elaborazione, le SNN calcolano una singola risposta attraverso più passaggi temporali, rendendole meno efficienti su hardware informatico standard sincrono ma potenzialmente più efficaci su hardware neuromorfic specializzato
Le caratteristiche più attraenti di queste reti per le applicazioni robotiche sono la loro adattabilità, le capacità di auto-apprendimento e il basso consumo energetico. Questo hardware specializzato, composto da circuiti asincroni e guidati da eventi, guida la progettazione di blocchi di costruzione per soluzioni hardware, particolarmente vantaggiose per piattaforme robotiche.
La sfida dei veicoli autonomi con neuroni artificiali
Il controllo di veicoli autonomi attraverso neuroni artificiali rappresenta una delle frontiere più promettenti della robotica. Come evidenziato da una ricerca pubblicata su Scientific Reports nel dicembre 2024, le reti neurali spiking stanno mostrando grandi promesse per il deep reinforcement learning in compiti robotici, offrendo una rappresentazione più naturale delle dinamiche temporali rispetto alle reti neurali tradizionali.
La differenza principale con l’intelligenza artificiale tradizionale sta nel fatto che i neuroni biologici comunicano attraverso rapidi impulsi elettrici che attraversano piccoli spazi noti come sinapsi. I nostri neuroni possono sia elaborare che archiviare informazioni, a differenza dei computer che richiedono ancora tipi separati di memoria per ogni attività.
Le versioni artificiali di neuroni e sinapsi hanno dimostrato di essere molto più potenti rispetto ai tradizionali progetti di chip per computer, ma sono ancora in fase sperimentale. Il Global Science Network ha fatto un passo successivo collegando neuroni artificiali attraverso diverse tecnologie per creare un sistema di controllo veicolare funzionante.
Il futuro è già nei neuroni artificiali
Questo esperimento apre scenari affascinanti per il futuro della robotica e dei veicoli autonomi. Come dimostra una ricerca europea del 2020, neuroni biologici di ratto coltivati in laboratorio in Italia sono già stati messi in comunicazione con neuroni artificiali prodotti su chip di silicio in Svizzera attraverso sinapsi artificiali nel Regno Unito. Il sistema ha funzionato perfettamente in entrambe le direzioni.
La direzione è chiara: stiamo assistendo alla nascita di una Internet della Neuroelettronica che pone le basi per un nuovo scenario mai riscontrato durante l’evoluzione naturale, in cui neuroni biologici e artificiali sono collegati e comunicano attraverso le reti globali. Si apre la strada alla ricerca per sostituire le parti disfunzionali del cervello con dei chip di intelligenza artificiale.
Il piccolo truck del Global Science Network rappresenta solo l’inizio. Le implicazioni per l’industria automobilistica, la robotica medica e l’automazione industriale potrebbero essere enormi. Quando otto neuroni artificiali su una base riescono a guidare un veicolo, forse è il momento di ripensare completamente il nostro approccio all’intelligenza artificiale.
La vera domanda ora è: se bastano otto neuroni per controllare un veicolo, cosa succederà quando avremo a disposizione migliaia o milioni di neuroni artificiali interconnessi?
