59 queste due visioni possano coesistere se si assume una certa architettura neurale di base. 3.3 Neuroni con CR non circolare Lo strato di neuroni artificiali che descriverò in questa sezione prende in carico il risultato della computazione delle unità intermedie center-on e center-off ed organizza questi input simulando la trasformazione effettuata dalle cellule semplici della V1. Fig. 45 Modello schematico della corteccia visiva primaria del gatto. All’interno di ciascuna colonna di dominanza oculare vi è un set completo di colonne deputate all’analisi dell’orientamento e della frequenza spaziale per stimolazioni poste in una data zona del CR. Sappiamo, ancora una volta grazie a Hubel e Wiesel (Hubel e Wiesel 1962) che l’organizzazione della corteccia visiva primaria è di carattere modulare. L’unità funzionale di base è la colonna corticale (fig. 45), nella quale tutte le cellule rispondono ad una data zona del campo visivo, essendo però sensibili a differenti frequenze spaziali ed orientamenti. All’interno di ciascuna colonna, inoltre, si ha una ulteriore suddivisione in base all’occhio di proiezione. In questo modo una singola zona del campo visivo viene analizzata in parallelo, quindi velocemente, da un’unità funzionale complessa. 60 Le unità che simulano questo strato, che chiameremo SI, ricevono connessioni retinotopicamente organizzate da quello delle unità intermedie. Le unità semplici presentano dei campi recettivi del tipo descritto nella figura 46. Ciascuna cellula riceve connessioni dalle unità center-on e center-off. In questo modo si formano neuroni artificiali con campi recettivi sensibili a decrementi ed incrementi di illuminazione che abbiano una certa organizzazione spaziale. Se prendiamo in considerazione questa compagine di unità semplici abbiamo 2.160 neuroni artificiali che, collegati tramite 17.280 sinapsi alle unità intermedie, portano la rete ad un totale provvisorio di 3.360 neuroni e 28.080 connessioni, cifra destinata ad aumentare entro breve. Fig. 46 Schema esemplificativo dell’organizzazione delle connessioni che legano le center-on (in verde) e le center-off (in rosso) ad un’unità corticale semplice con campo recettivo orizzontale. Questo neurone artificiale è collegato a otto unità intermedie sottostanti e risponde a decrementi di luminosità nella parte superiore del CR ed ad incrementi in quella inferiore. Esiste un’unità semplice per ogni tetrade di unità intermedie (360, considerando congiuntamente le center-on e le center-off). In questo schema le center-on vengono separate graficamente dalle center-off. Come si vede dalla figura, ogni unità semplice è eccitata da incrementi dell’attivazione delle center-on nella zona bianca (la sua zona-on) e da incrementi dell’attivazione delle center-off nella zona nera (la zona-off). Un effetto opposto si ha quando le center-on scarichino nella zona sensibile ai decrementi e le centeroff in quella sensibile agli incrementi, come si deduce dal pattern di connessioni eccitatorie (linee nere) ed inibitorie (linee rosse). Le equazioni che governano il funzionamento di questi neuroni artificiali sono, ancora una volta, molto semplici. Ogni unità riceve 8 61 proiezioni, retinotopicamente organizzate, dalle quattro center-on e dalle 4 center-off sottostanti (fig….). La forza delle connessioni, W, è pari ad 1 per tutte le sinapsi. L’attivazione della parte on dell’unità semplice è data dalla (10): AiSEM-ON = Wsem-on1 OON1 + Wsem-on2 OON2 - Wsem-off 1OOFF1 - Wsem-off2 OOFF2 (10) dove AiSEM-ON è l’attivazione della parte on, Wsem-on1, Wsem-on2, Wsem-off1, Wsem-off2 sono i pesi che connettono la parte on dell’unità con le due unità center-on e le due center-off e OON1, OON2, OOFF1e OOFF2 sono gli output delle unità intermedie. Come si vede, la parte on considera positivamente gli incrementi di illuminazione e negativamente i decrementi. Analogamente, la parte off calcolerà la propria attivazione come nella (11): AiSEM-OFF = Wsem-off1 OOFF1 + Wsem-off2 OOFF2 - Wsem-on1 OON1 - Wsem-on2 OON2 (11) dove AiSEM-OFF è l’attivazione della parte off. In questo caso, i decrementi di illuminazione produrranno una eccitazione e gli incrementi una inibizione. Le due parti, la on e la off, vengono poi integrate (12): AiSEM = AiSEM-OFF + AiSEM-ON (12) dove AiSEM è l’attivazione complessiva dell’unità semplice. L’output delle unità è data dalla (13): se AiSEM ≤ 0 OSEM = ⇒ (-AiSEM) ℜ se 0< AiSEM ≤ 2 ⇒ 0 (13) se AiSEM > 2 ⇒ AiSEM ℜ (13) 62 Fig. 47.Schema complessivo del set di cellule semplici con CR orizzontale e verticale che estraggono informazione da ogni tetrade di unità intermedie. Le 4 unità hanno campi recettivi che coprono 2 orientamenti diversi con due opposte direzioni del contrasto. Nella figura sono rappresentate, per chiarezza, le sole connessioni che da una tetrade si dipartono verso una cellula semplice. Fig. 48 .Schema delle cellule semplici con CR obliquo. Per semplicità, solo alcune connessioni delle center-on sono visualizzate. Il campionamento ristretto di queste unità rende necessarie due soli neuroni per codificare i possibili orientamenti obliqui, mentre nelle unità con CR più grande si può disporre di maggiori possibilità di combinazione. 63 Dove OSEM è l’output dell’unità semplice. Questo è pari a 0 se l’attivazione è compresa fra 0 e 2, 17 15 13 11 9 7 5 3 8 6 4 2 0 -2 -4 1 Output Output unità semplici Attivazione Fig. 49 Funzione di output per le unità semplici. L’unità non risponde a valori compresi fra 0 e 2, mentre trasforma gli input eccitatori ed inibitori attraverso una funzione potenza con esponente 0.8. mentre è elevata alla potenza di ℜ (nella simulazione, 0.8) nel caso in cui l’attivazione sia inferiore a 0 o superiore a 2. In questo modo, viene simulata una compressione dei valori di output (minore del caso delle bipolari, dove ℜ era uguale a 0.4) sia per potenziali positivi che in caso di inibizione. La soglia è incrementata rispetto agli stati precedenti in modo tale da rispecchiare l’aumento di input necessario per eccitare neuroni che si trovano in strati sempre più “interni” del SN (Fig. 49). Le stesse equazioni governano i parametri delle altre unità : l’unica variante è il campionamento del campo recettivo. Nella simulazione sono stati scelti quattro orientamenti (verticale, orizzontale e due obliqui) con due direzioni di contrasto (fig. 47 e seguente), per un totale di 6 classi di unità . Esamineremo nelle prossime figure il comportamento di questi neuroni artificiali rispetto ad alcuni stimoli. Il quadrato in alto a sinistra raffigura lo strato recettoriale, alla sua destra è riprodotto quello delle intermedie al fine di monitorare contemporaneamente più livelli. Gli altri 6 64 quadranti schematizzano la risposta delle diverse unità semplici SI con diversi orientamenti e direzione di contrasto. L’attivazione dell’unità SI è rappresentata dal livello di grigio (range: 1-256): tanto più l’unità è attiva, tanto più è bianca. L’inibizione è invece codificata dal livello di rosso. Per le unità recettoriali, invece, ci si serve di una scala di grigi mentre per le intermedie l’attivazione delle center-on è data dal rosso e quella delle center-off dal verde. Come si può notare, emergono subito alcune proprietà interessanti. Prima di tutto, le unità sono pressoché silenti per le zone uniformemente illuminate. In secondo luogo, molti neuroni artificiali presentano delle risposte diametralmente opposte: laddove l’una è massimamente attiva, l’altra è inibita. Le unità manifestano inoltre una risposta spuria: tutti gli stimoli influenzano pressoché tutte le unità , a volte in senso opposto l’una rispetto l’altra. La proprietà che caratterizza le unità artificiali in questione è presente anche nei neuroni naturali. Una cellula raramente, se non mai, si attiva in risposta ad un solo stimolo, manifestando invece una risposta preferenziale. Questa è una conseguenza diretta della sua architettura: l’estesa connettività dell’unità , proprietà grazie alla qualeil sistema nervoso è in grado di esibire le sue prestazioni eccezionali, ha come conseguenza una intrinseca imprecisione. Quest’ultima può avere dei notevoli vantaggi, come nel caso del completamento di figure corrotte dal rumore e nella capacità di generalizzare, ma anche un suo rovescio della medaglia, come dimostra il caso delle illusioni percettive. Anche queste unità artificiali, nella loro umiltà , riproducono questa caratteristica del SN. Ad esempio, i neuroni con campo recettivo obliquo rispondono anche a stimolazioni con orientamento verticale ed orizzontale. Va rilevato, e verrà approfondito in seguito, che esistono meccanismi specifici nel SN in grado di sopprimere ed innalzare l’attivazione di alcune unità rispetto ad altre, in modo tale che in un dato istante una “interpretazione” dello stimolo prevalga sull’altra. Il processo dell’attenzione selettiva sarà l’oggetto della seconda parte di questa tesi. 65 Fig. 50 Un semplice stimolo viene proiettato sui recettori, che eseguono lo smoothing livellando i bordi. Fig. 51 Le unità intermedie esaltano i contorni della figura, creando una zona-off lungo il perimetro del quadrato. 66 Fig 52. Analogamente a quanto accade per i neuroni presentano una risposta preferenziale ma non configurazione. Ad esempio, le unità orizzontali e risposta parzialmente sovrapposta. Da notare invece opposta di alcune unità Fig 53.Griglia ad alto contrasto e frequenza spaziale. biologici, le unità semplici univoca ad una certa quelle oblique hanno una la risposta diametralmente 67 Fig 54. La stessa griglia della figura precedente dopo lo smoothing. Fig 55. Configurazione di attivazione delle unità semplici. Le unità con CR verticale sono fortemente eccitate: lo stimolo ha una conformazione ottimale per le proprietà del loro CR. 68 Fig 56. Scacchiera dopo l’operazione di smoothing. Fig 57. Scarica delle center-on e center-off. 69 Fig. 58 SI. Le unità oblique scaricano con la massima intensità. Le unità con CR obliquo e verticale, invece, risultano silenti in quanto gli stimoli sono sub-ottimali. Fig. 59 In quest’ultima figura viene analizzata la risposta della rete ad un collage di strutture. 70 Fig. 60 Le unità intermedie “vedono” una caduta maggiore di luninanza al confine fra due superfici illuminate, similmente a quanto percepito dall’uomo. Fig. 61 Diverse classi di SI scaricano in concomitanza delle diverse configurazioni. La unità semplici dimostrano una certa selettività per orientamento e direzione del contrasto.