Il cervello umano batte l’IA nel comprendere le “affordance” ambientali

Una recente ricerca condotta da Clemens Bartnik e dalla neuroscienziata computazionale Iris Groen, pubblicata su Proceedings of the National Academy of Sciences, rivela che il cervello umano possiede una capacità unica e automatica di identificare le “affordance” – ovvero le opportunità di azione – in un ambiente, superando nettamente i modelli di intelligenza artificiale, inclusi quelli avanzati come ChatGPT.

Lo studio, che ha utilizzato la risonanza magnetica funzionale (fMRI), ha analizzato l’attività cerebrale di partecipanti mentre osservavano immagini di vari ambienti. È emerso che alcune aree della corteccia visiva si attivano in modi che non possono essere spiegati solo dagli oggetti presenti nell’immagine, ma riflettono piuttosto le potenziali azioni che un individuo potrebbe compiere in quell’ambiente (camminare, nuotare, arrampicarsi, ecc.).

“Queste possibilità di azione vengono elaborate automaticamente“, ha spiegato Groen. “Anche se non si pensa consapevolmente a ciò che si può fare in un ambiente, il cervello lo registra comunque“. Questo evidenzia che le affordance non sono solo un concetto psicologico, ma una proprietà misurabile della nostra attività cerebrale.

Il confronto con i modelli di intelligenza artificiale ha mostrato che, sebbene alcuni algoritmi potessero approssimare i giudizi umani dopo un addestramento specifico, i loro calcoli interni non corrispondevano agli schemi cerebrali umani. “Questo dimostra che il nostro modo di vedere è profondamente interconnesso con il modo in cui interagiamo con il mondo“, ha aggiunto Groen. “I modelli di intelligenza artificiale non possono farlo perché esistono solo in un computer“.

Questa scoperta ha implicazioni significative per lo sviluppo di un’IA più efficiente e affidabile, soprattutto in settori come la robotica e i veicoli a guida autonoma, dove la comprensione delle affordance è cruciale per un’interazione sicura e intelligente con il mondo fisico. La ricerca suggerisce che una maggiore comprensione del cervello umano potrebbe portare a un’IA più “umana”, efficiente e sostenibile.