Il cervello memorizza costantemente nuove esperienze che deve integrare nel miscuglio dei ricordi esistenti. Sorprendentemente, nel farlo non sovrascrive le tracce precedenti di memoria.
Primo giorno di scuola: entrare in classe per la prima volta, sensazione di eccitazione nello stomaco e gioia di avere uno zainetto da scuola - questi sono esempi tipici di ricordi della nostra memoria episodica, che memorizza episodi personali unici in un ordine temporale e spaziale e li collega a esperienze soggettive.
In uno studio eseguito all'Institut Für Neuroinformatik dell'Università di Ruhr Bochum in Germania, pubblicato su PLOS ONE, un team guidato dal professor Laurenz Wiskott ha sviluppato un nuovo modello di memoria episodica e quindi ha fatto progressi significativi nella comprensione dell'ippocampo - la regione del cervello che è cruciale per la formazione di nuovi ricordi episodici.
Memorizzare in modo affidabile sequenze senza distruggere i ricordi precedenti
La memoria episodica è una base importante della nostra storia di vita personale. Ci aiuta a formare l'identità memorizzando e collegando esperienze ed eventi passati nel giusto ordine.
"Ciò accade attraverso i cambiamenti nelle connessioni tra le cellule nervose nel nostro cervello", spiega Laurenz Wiskott. "Un fenomeno finora inspiegabile è stato il modo in cui il cervello umano è in grado di apportare questi cambiamenti senza dimenticare altri ricordi, anche se l'esperienza è vista esattamente una volta e quindi non può essere integrata lentamente e attentamente nello schema del circuito delle cellule nervose".
Il modello informatico innovativo dei ricercatori di Bochum consente di ricreare esattamente questa capacità naturale del cervello umano: conservare in modo affidabile le sequenze dopo una singola presentazione senza distruggere i ricordi precedenti.
Il modello si concentra sui principi dell'auto-organizzazione nell'ippocampo e si basa sulla teoria CRISP (Content Representation, Intrinsic Sequences, and Pattern Completion) del prof. Sen Cheng, ricercatore della stessa università. In particolare, il modello ridefinisce la funzione della cosiddetta regione CA3 nell'ippocampo.
"Finora si presumeva che i ricordi episodici fossero archiviati direttamente nella rete CA3", afferma il primo autore dott. Jan Melchior. “In realtà usiamo la regione CA3 solo come una specie di punto di ancoraggio per la memoria. La conservazione avviene nelle regioni che vengono prima e dopo la CA3".
Una rete neurale come una biblioteca ben organizzata
Per raggiungere questo obiettivo, il team di ricerca ha formato la regione CA3 con pre-informazioni nel loro modello e, quindi, in senso figurato, ha creato una biblioteca ben organizzata in CA3.
“Quando vengono aggiunti nuovi libri, ovvero nuove esperienze, la biblioteca non deve essere completamente riorganizzata. Invece, i nuovi libri vengono aggiunti alla struttura esistente e collegati a scaffali e categorie esistenti", continua Jan Melchior. "Questo consente di risparmiare tempo e tiene la biblioteca ben organizzata".
La regione CA3 rimane stabile nel modello e può funzionare in modo efficiente senza la necessità di adattare costantemente la sua struttura interna. Ciò rende più veloci e più affidabili l'elaborazione e la memorizzazione delle informazioni. I cambiamenti neurali durante il processo di apprendimento si verificano esclusivamente nelle regioni adiacenti. I risultati della simulazione hanno convinto i ricercatori.
"Considero ancora sorprendente la robustezza del modello", afferma Laurenz Wiskott. "Anche con segnali incompleti o errati, la singola presentazione della sequenza di uno schema può essere immagazzinata, ricordata e recuperata in modo affidabile".
"Il modello funziona non solo con sequenze generate artificialmente, ma anche con numeri scritti a mano e immagini naturali", aggiunge Jan Melchior. "Può anche auto-migliorarsi senza istruzioni aggiuntive riproducendo ripetutamente ciò che ha imparato".
[...]
Fonte: Ruhr-Universität Bochum (> English) - Traduzione di Franco Pellizzari.
Riferimenti: J Melchior, [+2], S Cheng, L Wiskott. A Neural Network Model for Online One-shot Storage of Pattern Sequences. PLOS ONE, 2024, DOI
Copyright: Tutti i diritti di testi o marchi inclusi nell'articolo sono riservati ai rispettivi proprietari.
Liberatoria: Questo articolo non propone terapie o diete; per qualsiasi modifica della propria cura o regime alimentare si consiglia di rivolgersi a un medico o dietologo. Il contenuto non rappresenta necessariamente l'opinione dell'Associazione Alzheimer OdV di Riese Pio X ma solo quella dell'autore citato come "Fonte". I siti terzi raggiungibili da eventuali collegamenti contenuti nell'articolo e/o dagli annunci pubblicitari sono completamente estranei all'Associazione, il loro accesso e uso è a discrezione dell'utente. Liberatoria completa qui.
Nota: L'articolo potrebbe riferire risultati di ricerche mediche, psicologiche, scientifiche o sportive che riflettono lo stato delle conoscenze raggiunte fino alla data della loro pubblicazione.