fbpx La memoria violata | Scienza in rete

La memoria violata

Primary tabs

Tempo di lettura: 4 mins

Negli ultimi mesi lo staff della neuroscienziata Eleanor Maguire, dello University College London, ha pubblicato su Current Biology un paio di articoli che mettono bene in luce le potenzialità della risonanza magnetica funzionale (fMRI).

La fMRI è una tecnica che, utilizzando campi magnetici molto potenti, permette di tradurre in immagini il livello di ossigenazione del flusso sanguigno cerebrale in vivo e in maniera non invasiva. I progressi tecnici nella fMRI non sono dovuti solo a innovazioni nell'acquisizione delle immagini, ma anche a nuovi metodi per l'elaborazione delle masse di dati generate dalle scansioni. Statistica e informatica, quindi, giocano qui un ruolo primario.

Lo staff di Maguire ha utilizzato una metodologia conosciuta già da qualche anno, la MVPA (MultiVariate Pattern Analysis – Analisi multivariata dello schema). Quest'analisi statistica permette di esaminare schemi di variazione nell'ossigenazione del flusso sanguigno senza limitare l'analisi a un punto preciso, ma anzi tenendo in considerazione contemporaneamente aree anche distanti del cervello.

In un primo articolo (Hassibis 2009), Maguire e colleghi hanno chiesto ai soggetti sperimentali di spostarsi in una realtà virtuale (una sorta di videogioco in 3D) verso un punto assegnato. Arrivati al punto in questione, ai soggetti veniva mostrato uno schermo visivamente omogeneo, mentre lo scanner registrava il loro contrasto emodinamico. Così era escluso l'influsso di stimoli visivi: a differenziare le diverse situazioni restava solo il "senso astratto" della posizione. Usando la MVPA i ricercatori sono riusciti a trovare in alcune parti dell'ippocampo degli schemi di attivazione che permettevano di prevedere in quale punto della realtà virtuale i soggetti si trovassero. Esaminando i soli dati della fMRI era quindi possibile sapere “dove” fosse un certo soggetto in un dato tempo.

In un secondo articolo (Chadwick 2010) lo staff di Maguire è riuscito a fare lo stesso con i ricordi episodici. Ai soggetti sono stati fatti vedere diverse volte tre brevi filmati, raffiguranti azioni di vita quotidiana. Nel frattempo il loro segnale emodinamico era registrato. Dopodiché era chiesto loro di ricordare una delle tre scene a loro piacere, nel modo più vivido possibile. Infine ai soggetti veniva chiesto di indicare quale video avessero ricordato. Dopo la MVPA, i ricercatori hanno trovato altre aree dell'ippocampo i cui schemi di attivazione permettevano di prevedere che cosa il soggetto stesse ricordando. Questa tecnica ha ancora molte limitazioni: l'algoritmo deve essere sempre "allenato" su base individuale, cosicché bisogna avere dei dati fMRI relativi al soggetto che abbia un ricordo noto; non si conosce il grado in cui un algoritmo allenato sul soggetto A sia applicabile al soggetto B, né se sia possibile decodificare attività mentali che avvengono in contemporanea.

Una più ampia comprensione dei meccanismi del ricordo potrebbe in futuro avere ripercussioni terapeutiche nel campo di alcune malattie, come il morbo di Alzheimer. 

Ciononostante la capacità di dedurre il contenuto dei ricordi dall'analisi di segnali emodinamici impatta contro la comune visione del ricordo come sfera assolutamente privata. Qualora tecnologie commercialmente accessibili per la lettura dei ricordi emergessero nei prossimi decenni dalla fMRI, si porrebbero due principali problemi etici.

In primo luogo ci sarebbe un problema di privacy: i dati acquisiti via fMRI potrebbero diventare simili a diari privati, il cui accesso a persone non autorizzate dovrebbe essere impedito, anche perché potrebbe dare luogo a forme di discriminazione (dati fMRI potrebbero permettere di risalire ai ricordi a breve e a lungo termine, quindi alle credenze religiose, alle opinioni politiche, alle preferenze sessuali del soggetto).

In secondo luogo, ci sarebbe probabilmente una forte pressione sociale per autorizzare l'uso della “lettura del cervello” nell'investigazione poliziesca e nel dibattimento giudiziario, perché uno strumento simile sarebbe un potente ausilio nel contrasto al crimine e nell'accertamento delle responsabilità. Questa pressione sarebbe particolarmente intensa in situazioni di instabilità sociale e di elevata conflittualità internazionale. Tuttavia, in questo caso, come sottolinea Neil Levy, il principale rischio etico sarebbe quello di adottare queste tecnologie troppo presto, quando non si ha ancora una relativa certezza che nessun sospettato innocente possa venir condannato ingiustamente attraverso l'uso di queste macchine. Si rischierebbe insomma di fare il passo più lungo della gamba e di fidarsi di tecnologie non ancora sufficientemente affidabili. Il forte desiderio di conseguire più sicurezza potrebbe portare a decisioni sociali avventate, che comporterebbero gravi danni per individui innocenti.

Hassibis D et al. Decoding Neuronal Ensembles in the Human Hippocampus. Current Biology 2009; 19: 546. [link]
Chadwick MJ et al. Decoding Individual Episodic Memory Traces in the Human Hippocampus. Current Biology 2010; 20: 1. [link]


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Intelligenza artificiale e matematica: dal tre all'esame alla medaglia d'oro alle olimpiadi

AlphaGeometry, IA sviluppata da DeepMind, si è dimostrata capace di risolvere il 75% dei problemi delle Olimpiadi Internazionali di Matematica, risultato paragonabile alle medaglie d'oro. È un risultato che evidenzia le potenzialità delle IA specializzate rispetto alle generaliste (come ChatGPT), pur sollevando importanti questioni sul futuro e sull'impatto dell'IA nella matematica e nella nostra quotidianità.

Cinque anni fa, nell'aprile 2019, un team di DeepMind (l'azienda che ha sviluppato AlphaGo, la prima intelligenza artificiale in grado di battere un essere umano al gioco di Go) ha sottoposto a una rete neurale, addestrata appositamente per risolvere esami di matematica, una verifica di seconda superiore. Il risultato?