4. 1 Apprendimento e rinforzo in una rete neurale

94
4 ELABORAZIONI CORTICALI DI LIVELLO SUPERIORE
Finora ci siamo occupati degli stadi relativamente precoci di
elaborazione dello stimolo visivo. Non rientra naturalmente negli obiettivi
di questa tesi l’effettuare un mapping completo di tutte le funzioni
cognitive. Se vogliamo tuttavia che la nostra rete esibisca alcuni
comportamenti complessi, come per esempio reagire ad una procedura di
condizionamento, dobbiamo implementare delle unità che siano sensibili a
stimoli sempre più astratti e che “guardino” gli input con un livello di
elaborazione gradualmente più elevato. Alcune osservazioni sono
fondamentali per questo salto concettuale. Tutti i neuroni artificiali fin qui
modellati, per le esigenze di stabilità già viste, sono incapaci di
apprendere. Sappiamo che uno dei punti di forza del SN è, viceversa, la
capacità di modificare nel tempo la forza e la distribuzione delle
connessioni. Questo, a ben vedere, è anche uno dei pregi delle reti neurali
artificiali. In secondo luogo, la nostra rete è alquanto “fredda”, non
presupponendo l’esistenza di meccanismi di rinforzo positivi o negativi
che stanno alla base della capacità dei sistemi biologici di apprendere
comportamenti consumatori o di evitamento (vedi Grossberg 1982). Nel
resto della tesi ci concentreremo su queste proprietà, di più alto livello, e
vedremo come la loro implementazione cambierà la prestazione della rete.
Ricercheremo inoltre affinità e differenze fra concetti computazionali ed
evidenze neurofisiologiche e psicologiche.
4. 1 Apprendimento e rinforzo in una rete neurale
Uno dei problemi centrali affrontati nello studio dell’intelligenza è
quello riguardante le modalità con le quali il mondo esterno e quello
“interno” all’essere vivente, inteso come obiettivi dello stesso,
95
interagiscono generando comportamenti appropriati che vadano nella
direzione del soddisfacimento delle necessità dell’organismo.
Difetto comune nei modelli basati sulle reti neurali artificiali, ma
non solo queste, è quello di sottovalutare il ruolo delle variabili
motivazionali nel controllo della dinamica del sistema. La difficoltà è
particolarmente evidente per le reti: come codificare in un freddo
algoritmo concetti così prettamente biologici come quelli di stimolazione e
rinforzo positivo e negativo? In che modo implementare su calcolatore un
neurone artificiale che codifichi per il “piacere” e per il “dolore”?
Tuttavia, se finora abbiamo sviluppato unità in grado di rispondere
a decrementi ed incrementi di luminosità, puntiformi o variamente
orientati, in fin dei conti abbiamo implementato grandezze “psicologiche”.
In linea di principio, non ci dovrebbero essere grossi problemi a fare
altrettanto
con
concetti
quali
quello
di
rinforzo,
modellando
appropriatamente l’architettura. Fino a che punto ed in che forma si voglia
credere al parallelismo uomo-computer è questione da lasciare alla libera
riflessione del lettore. Teniamo presente che la risposta a questo quesito
non è però scontata. Esistono infatti dei casi limite: nelle tecniche di
imaging che si servono di matrici di elettrodi extracellulari, infatti, delle
cellule nervose dissociate dal SN dell’animale vengono fatte crescere su
una matrice di elettrodi opportunamente trattate affinché si mantengano in
vita e possano formare una rete nervosa “artificiale”. E’ quindi possibile
registrare l’attività di questi neuroni e stimolarli a loro volta (Eisaku
Maeda, 1995). Non è difficile modificare la tecnica, per ora solo con il
pensiero, interfacciando una rete neurale in silicio con una biologica. In
questo caso, che cosa è intelligenza e cosa non lo è? Quando il segnale
passa dal neurone biologico a quello in silicio, che cosa accade? Cessa di
vivere o di essere “intelligente”? E nel caso opposto? La risposta è
tutt’altro che scontata.
La parte finale di questa tesi sarà dedicata a rispondere ad un
interrogativo fondamentale: in che modo un sistema di elaborazione
96
dell’informazione, come la rete neurale fin qui sviluppata, è in grado di
processare selettivamente quegli stimoli (visivi) che rivestono particolare
importanza per i suoi obiettivi?
4. 2 Attenzione selettiva e condizionamento classico
Il complesso ambiente esterno con il quale gli organismi intelligenti
interagiscono è fonte di costante stimolazione per il loro sistema nervoso.
Essendo il cervello in grado di processare un grandissimo numero di
informazioni in parallelo, è essenziale che da tale "marasma" di possibili
rappresentazioni prevalgano quelle più strettamente legate agli obiettivi
dell'organismo. Questo è massimamente vero se si pensa al fatto che i
sistemi motori possono eseguire solo un ristretto numero di operazioni in
un dato periodo di tempo: è necessario che fra queste solo le più utili siano
realizzate.
La capacità, frutto dell'evoluzione e della selezione naturale, di
associare ambiente esterno ed obiettivi dell'organismo è una della abilità
peculiari dei sistemi intelligenti. L'attenzione selettiva è uno dei processi
implicati in questa capacità adattiva. Dalle parole di Wundt, "the basic
phenomenon of all intellectual achievements is the so called concentration
of attention." (Wundt, 1904). In che modo un organismo sia in grado di
incrementare l'attivazione della rappresentazione di un target (ad esempio,
del cibo) e di simultaneamente sopprimere quella degli oggetti attualmente
non determinanti per i suoi scopi è sicuramente uno dei più intriganti
interrogativi per chi voglia studiare il funzionamento del sistema nervoso.
All’interno delle soluzioni realizzabili da un dato apparato biologico non
esiste a priori nel nostro ambiente, infatti, un motivo plausibile per cui una
determinata rappresentazione sensoriale (od azione motoria) debba
prevalere su tutte le altre se non in virtù del fatto che tale rappresentazione
presenta un valore adattivo per l'organismo. Privata dell'azione
97
dell'attenzione selettiva, infatti, la stimolazione sensoriale sarebbe "piatta",
vale a dire tutti gli oggetti avrebbero lo stesso risalto percettivo. Il nostro
vissuto personale, che va in senso opposto, ci suggerisce l'esistenza di un
costante dialogo tra obiettivi dell'organismo ed ambiente esterno.
L’architettura del modello trae ispirazione dai principali paradigmi
sperimentali che si sono succeduti negli ultimi anni nel campo delle reti
neurali artificiali: il “Perceptron” di Rosenblatt (Rosenblatt 1958),
l’apprendimento competitivo (competitive learning, Rumelhart 1985), il
“cognitron” ed il “neocognitron” di Fukushima (Fukushima 1986). In
particolare, due sono gli autori che mi hanno maggiormente impressionato
per la plausibilità e l’eleganza dei loro modelli: Houghton, con la sua
analisi del concetto di attenzione selettiva ed il ruolo giocato in questo
processo dall’inibizione, e soprattutto Grossberg, il cui lavoro getta un
ponte fra intelligenza artificiale e neuroscienze, dimostrando come
l’attenzione selettiva, intesa come meccanismo di controllo delle
dinamiche neurali, sia indissolubilmente legata al concetto di rinforzo. Nei
paragrafi seguenti verrà analizzato con un certo dettaglio il modello di
Houghton e Tipper (Houghton e Tipper 1984, Houghton e Tipper 1996),
anch’esso implementato su una rete neurale, in quanto fornisce un chiaro
esempio di ciò che una rete dovrebbe essere in grado di fare per interagire
proficuamente con l’ambiente. Nella seconda parte del capitolo verranno
prese in considerazione le architetture nervose suggerite da Grossberg nel
contesto dell’attenzione selettiva, del rinforzo e della memoria e vedremo
come queste possono integrarsi con quelle proposte da Houghton. Infine,
nella parte finale verranno sintetizzati nella rete gli elementi che ho
ritenuto i migliori dei due approcci.
98
4. 3 Il modello di Houghton & Tipper
Come già detto, una delle funzioni fondamentali dell'attenzione
selettiva è quella di incrementare la rappresentazione degli oggetti
importanti per l'organismo, quelli che chiameremo oggetti target. Questi
ultimi possono essere frutto dell’elaborazione percettiva precoce o
rappresentazioni di un grado successivo di analisi cognitiva.
Tutto ciò è possibile, in linea di principio, attraverso due
meccanismi: l'amplificazione e l'inibizione. Un semplice processo
amplificatorio, tuttavia, non sarebbe sufficiente per selezionare un oggetto
da un altro senza che il sistema entri in uno stato di "eccitazione collettiva"
in virtù dei diffusi legami eccitatori del sistema nervoso. Pertanto, come
vedremo anche in seguito, l'inibizione svolge un ruolo centrale nel
processo di selezione e nelle flessibilità del cervello. Inoltre, due
meccanismi di selezione operanti in parallelo consentono una maggiore
efficienza complessiva: mentre l'attivazione del target viene incrementata,
l'oggetto da disattendere (il distrattore) viene contemporaneamente
soppresso. Infine tali dati sono supportati da evidenze neurofisiologiche
(Moran e Desimone 1985, Fuster 1980).
I paradigmi sperimentali presi in considerazione da Houghton e
Tipper sono due:
1) Negative Priming (NP, Tipper 1985). Vengono presentati degli oggetti
colorati, per esempio rossi e verdi (fig. 88). Il soggetto deve rispondere
sempre sn/dx alla presentazione dell’oggetto rosso. Si è riscontrato un
incremento nei tempi di reazione (RTs) quando l'oggetto che nella
prova precedente era un distrattore (ad esempio, un gatto verde)
diventa nella successiva un target (gatto rosso), mentre tale incremento
non si verifica nella condizione di controllo nella quale non c’è
somiglianza fra il target ed il distrattore (mappamondo).
99
PRIMA
PROVA
Control
Ignored repetition
A
B
SECONDA
PROVA
Probe
Fig. 88 Paradigma sperimentale nel Negative Priming. A) Controllo B)
Situazione sperimentale. In A i due oggetti target differiscono. In B, la
condizione sperimentale, l’oggetto distrattore della prima prova (gatto verde) è il
target della seconda prova (gatto rosso). In questa condizione si verifica un
allungamento dei tempi di reazione.
Questo effetto è verificabile in diverse modalità, compresa quella
semantica. Ad esempio, se il distrattore della prima prova è il disegno di
un gatto ed il target della seconda è il disegno di un cane (Tipper & Driver
1988), si osserveranno tempi di reazione peggiori pur non essendoci
rassomiglianza fisica fra le due figure. L'interazione avviene quindi a
livello semantico.
Se un determinato oggetto viene considerato un distrattore, vale a
dire qualcosa da disattendere ed ignorare, allora è plausibile che la sua
rappresentazione venga inibita. La successiva selezione dello stesso
oggetto come target interferirà allora con l'inibizione residua ed i RTs
peggioreranno.
La funzione dei meccanismi inibitori sarebbe, in questo specifico
esempio, quella di isolare il target dai distrattori che interferiscono con
esso. Tanto maggiore è la somiglianza tra target e distrattori, tanto più
lento ed inefficiente sarà il processo di separazione. Una conferma di tale
principio ci viene dall'etologia, in particolare dall'osservazione del
comportamento predatorio. Esprimendoci in termini di attenzione selettiva,
il predatore deve selezionare un target (la preda) rispondente al suo stato
interno (la fame) da una serie di altri oggetti (i distrattori) e vincolare i
100
suoi movimenti al raggiungimento del target. Molti animali, come i pesci,
si muovono in gruppi. E' stato riscontrato (Neill & Cullen 1974) che gli
attacchi dei predatori risultano più scadenti quando questi devono cacciare
nei suddetti gruppi rispetto ad una preda isolata. Sembra che la presenza
simultanea di numerosi target, identici per importanza, distruggano il
normale corso del comportamento predatorio. Nei termini del modello di
Houghton e Tipper ciò equivale alla presenza di target multipli che non
possono più essere selezionati in base al parametro più importante: l'essere
o no una preda. La loro selezione dovrà essere effettuata in base a
caratteristiche più deboli e sfuggenti (es: posizione spaziale della preda,
dimensioni, ecc.). Tanto più gli oggetti si sovrappongono, quindi, tanto più
difficile è la loro selezione. Passando dal comportamento di un predatore
su un banco di pesci a quello di uno studente sul bancone di un bar, per
fare un esempio più aderente all'esperienza di ciascuno di noi, è facile
riscontrare come il tempo di decisione sul tipo di cibo da consumare sia
inversamente proporzionale al numero ed alla varietà di target (brioche....)
presenti e, soprattutto, al loro grado di somiglianza.
2) Inhibition of return (IOR, Posner & Cohen 1994). In questo paradigma i
soggetti fissano un punto centrale e viene loro presentato uno stimolo,
l'indizio, in una parte dello schermo. Se il target a cui il soggetto deve
porre attenzione appare entro 100 msec dall'accensione dell'indizio, i RTs
migliorano.
Se
il
target
appare
invece
dopo
300-600
msec,
paradossalmente si verifica un allungamento dei RTs.
4.4 Specifiche del modello
Il modello di Houghton e Tipper propone un meccanismo di
selezione dell'informazione basato sia su meccanismi eccitatori che su
strutture inibitorie. I classici modelli "spotlight" dell'attenzione (Broadbent
1970) suggeriscono che quest'ultima agisca incrementando i livelli di
101
attivazione di certe parti del campo visivo (parlando di attenzione
spaziale), consentendo una maggiore elaborazione dell'informazione in
esso contenuta. Un tale modello non presuppone necessariamente un ruolo
per i processi inibitori: l'attivazione dei distrattori, gli oggetti non
significativi, decade spontaneamente fino ai livelli di riposo. Tuttavia,
l'associazione di meccanismi inibitori accanto a quelli eccitatori presenta
una serie di vantaggi. Prima di tutto, i sistemi biologici, fra i quali i
neuroni del sistema nervoso, operano all'interno una certa banda di attività.
Supponiamo, ad esempio, che i neuroni operino entro due parametri
numerici, 0 e 1. Se due oggetti ambientali, A e B, possiedono entrambi due
alti livelli di attivazione, poniamo 0.9, l'attenzione selettiva agirà
incrementando l'attivazione di uno di essi, supponiamo A. Dato che il
massimo livello di eccitazione possibile è di 1, la differenza fra
l'attivazione dei due oggetti sarà molto esigua (A - B = 1 - 0.9 = .1). Se
associassimo ad un meccanismo eccitatorio uno inibitorio, capace di
sopprimere il distrattore B, potremmo ottenere una maggiore e più veloce
discriminazione di A e B (poniamo, 1 e 0.5 in metà tempo). Va fin d'ora
notato che l'inibizione non può raggiungere un livello troppo elevato, in
quanto il distrattore svolge comunque un ruolo fondamentale. Il target
infatti è circondato da un "contesto", rappresentato dai distrattori. Questi,
pur essendo meno attivi del target, consentono all'organismo di navigare
nell'ambiente evitando gli ostacoli, monitornado possibili pericoli,
fornendo informazione contestuale utile ad una migliore identificazione
del target, ecc. Il distrattore si trova quindi in una sorta di "limbo di
attivazione": non è né inesistente né un target. Vediamo ora più in
dettaglio come è strutturato il modello.
4.5 Object Field
La rappresentazione di un oggetto è modellata come una serie di
unità che rappresentano varie proprietà di un oggetto (colore, forma,
102
posizione, ecc.), come è caro al paradigma connessionista. Si presuppone
che
la
rappresentazione
dell'oggetto
provenga,
e
sia
formata
automaticamente, dal sistema visivo. La novità del sistema è il cosiddetto
"opponent circuit" (Fig. 89). L'unità in alto è la "property unit", che si
suppone codificare per una determinata proprietà dell'oggetto (es: colore).
Fig. 89 Un "opponent circuit" del modello di Houghton e Tipper. L'attivazione di
una property unit, che rappresenta la presenza di una determinata caratteristica
nella stimolazione sensoriale, attiva due unità facenti parte di un circuito
bilanciato a feedback. W1, W2 e W3 rappresentano i legami fra le unità. Le
frecce continue sono legami eccitatori, quelle tratteggiate simbolizzano legami
inibitori.
Questa è collegata con dei legami eccitatori (frecce continue) a due unità:
la ON-cell, unità eccitatoria e la OFF-cell, unità inibitoria. Quest'ultima
proietta con legami inibitori (frecce tratteggiate) sia alla ON-cell che alla
property unit. La stimolazione della property unit attiva una serie di
reazioni a catena che si concludono, data la simmetria dei pesi, con un
effetto netto nullo sull'unità stessa. La stimolazione, invece, di una ON-cell
o di una OFF-cell modifica lo stato della property unit. La funzione di
questo circuito diviene più chiara prendendo in considerazione un "object
assembly", vale a dire un insieme di opponent circuits facenti parte di un
oggetto (Fig. 90). Navigando nell'intricata rete di attivazioni ed inibizioni,
ci si rende subito conto che l'attivazione di una ON-cell provoca una
103
reazione a catena che, partendo da una singola unità, si diffonde
innalzando l'attività dei nodi che codificano le proprietà dell'oggetto
(colore,
forma,
ecc.)
ed
inibendo
le
OFF-cells.
Risultato:
la
rappresentazione dell'oggetto è incrementata.
Fig. 90 Un set di unità nell'object assembly. Questo è costituito da un insieme di
opponent circuits legati in modo tale da consentire una diffusione di eccitazione
ed inibizione lungo la struttura. Il modo migliore per capire come funziona è
provare ad eccitare (in senso figurato...) un'unità e vedere come reagisce il
sistema. Ad esempio, stimolando la OFF-cell dell'unità centrale, questa inibirà la
sua property unit, le ON-cell di tutto la struttura ed ecciterà le altre OFF-cells.
Risultato: l'oggetto è inibito nella sua interezza.
Intuitivamente, la semplice presenza del colore (o della parola...) "rosso"
può scatenare in breve la rappresentazione di un oggetto complesso, come
la mela. Lo stesso dicasi per l'inibizione. Disattendere il colore rosso può
inibire la rappresentazione dell'oggetto-mela.
4.6 Target Field
Se, da una parte, l'object assembly è il sistema deputato alla
rappresentazione dell'oggetto "ambientale", dall'altra presupponiamo
l'esistenza di un "target field" legato alla rappresentazione dell'oggetto in
termini di obiettivo dell'organismo. Questo è forse uno dei punti più oscuri
104
ed affascinanti del modello, dove si presuppone che esista una sorta di
rappresentazione parallela del mondo che differisca però, in termini di
vissuto psicologico, dalla semplice esperienza sensoriale. Ci sarebbe, in
sostanza, un "rosso sensoriale" ed un "rosso target". La plausibilità di
questa doppia rappresentazione, l'una più legata al sensoriale, l'altra più
legata all'atto motorio, è supportata da alcuni dati fisiologici (Luria 1973),
in
particolare
da
quelli
riguardanti
l'area
prefrontale,
e
dalla
consapevolezza che le caratteristiche di un elaboratore parallelo, qual è il
nostro cervello, ben si prestano a queste rappresentazioni multiple.
4.7 Match/Mismatch Field
Le influenze top-down del target field interagiscono con quelle
bottom-up dell'object field in un sistema dedicato, denominato
"match/mismatch field" (M/MF).
Qui avverrebbe un confronto fra caratteristiche dell'oggetto e
specifiche del target. Gli oggetti che falliscono il match con le specifiche
del target vengono inibiti, quelli che riescono vengono eccitati. Se, ad
esempio, il target è rosso e l'oggetto è verde, si produrrà un segnale di
mismatch che inibirà l'intero oggetto (es: la matita rossa). Un confronto
positivo, come per un target rosso ed il colore rosso della matita, produrrà
l'attivazione di tutto l'oggetto-matita. Risultati sperimentali a favore di
questa separazione funzionale provengono da diversi autori. Ad esempio,
Näätänen (Näätänen 1985) ha evidenziato come un'onda specifica presente
nelle registrazioni ERP, la processing negativity, sia generata da un
processo di matching fra input sensoriale e traccia attenzionale.
105
Fig. 91 Legami fra object, target e match/mismatch field. Due oggetti sono
rappresentati, uno verde ed uno rosso. Il target è rosso, il che produce un segnale
di match tra target rosso ed oggetto rosso e mismatch tra target verde ed oggetto
verde. Solo il circuito rappresentante il colore è presente nella figura.
Una ulteriore funzione del M/MF è quella di rendere funzionalmente
separato questo processo: alla scarica di questo sistema corrisponderebbe
la consapevolezza dell'eguaglianza fra target ed oggetto. Nella figura 91 è
riprodotto l'intero modello.
4.8 Interpretazioni neuropsicologiche del modello
Gli autori suggeriscono che le diverse componenti corrispondano ad
una costellazione di aree del sistema nervoso. L’Object field
corrisponderebbe alla vasta area della corteccia posteriore responsabile per
la codifica dell'informazione visiva. A sua volta, quest'area sarebbe
suddivisa in diversi moduli (Es: V4 deputata all'elaborazione del colore). Il
sistema gain control potrebbe essere implementato sotto forma di un
106
circuito corteccia-talamo-corteccia, con un possibile coinvolgimento del
pulvinar.
Houghton e Tipper localizzano il target field nella corteccia
prefrontale, responsabile per la pianificazione ad alto livello del il
comportamento diretto ad uno scopo (Luria 1973, Shallice 1988). Inoltre,
aree nella corteccia prefrontale localizzate nelle vicinanze del solco
principale e della convessità inferiore è stato dimostrato siano capaci di
mantenere rappresentazioni visive di oggetti. Questa proprietà ci riporta al
problema sollevato in precedenza riguardo alla plausibilità di una
rappresentazione ridondante dell'informazione visiva nelle zone frontali e
della loro qualità differente rispetto alla codifica sensoriale. Le succitate
aree, ad ulteriore conferma del modello, ricevono proiezioni da quelle
posteriori, allo stesso modo nel quale object e target field sono connessi.
Uno dei punti che necessitano di maggiori indagini è, tuttavia,
dove esattamente i due sistemi interagiscono. Le aree summenzionate sono
connesse da proiezioni cortico-corticali dirette. Sembra però esistere
un'altra possibile via di collegamento (Mishkin 1982) che passa attraverso
il sistema limbico, compreso l'ippocampo. E' interessante, a questo
proposito, come Goldman-Rakic (Goldman-Rakic 1987) sottolinei che la
corteccia prefrontale "...projects to the presubiculum.....[which] represents
a
major
output
of
the
hppocampus
to
other
cortical
structures....Accordingly, the prefrontal terminals in this area are in the
position to gate the output of the hippocampal formation" (p. 389). Questo
passo è di fondamentale importanza se si pensa al ruolo che i processi
emotivi/motivazionali, mediati principalmente dal "cervello limbico", sui
processi cerebrali superiori quali l'attenzione selettiva e sul ruolo che il
sistema di ricompensa cerebrale riveste sulla dinamica del funzionamento
del sistema nervoso.
Le specifiche matematiche del modello non verranno trattate, in
quanto non si discostano da quanto si riscontra normalmente in letteratura.
107
Nelle restanti pagine della relazione ci concentreremo sull'analisi dei dati
sperimentali derivati dalle simulazioni portate a termine dal sistema.
4.9 Simulazioni
La prima simulazione prende in considerazione la capacità del
modello di discriminare fra due oggetti simultaneamente presentati alla
rete, dei quali solo uno ha delle proprietà tali da essere considerato un
target (es: essere rosso). Per implementare tale simulazione, la rete è stata
istruita ad associare l'insieme delle proprietà di un oggetto, come colore,
forma, posizione ecc., con delle unità di risposta, non rappresentate nel
modello precedente. Tutto ciò che la rete fa è apprendere ad associare,
attraverso l'algoritmo back-propagation, le risposte di un insieme di
property cells ad una determinata unità rappresentante una categoria di
risposta. Ad esempio, i nodi che rappresentano, diciamo, le proprietà
maschio-animato-umano-due gambe daranno vita ad un picco di attività
nell'unità di risposta "uomo". Nella simulazione vengono presentate due
linee di diverso colore, con appunto il colore quale proprietà chiave.
Contemporaneamente a quanto avviene nell'object field, nel target field
sarà attivata la target unit che codifica per il colore rosso, mentre sarà
disattivata la target unit per il verde, il colore della linea da ignorare. Nel
match/mismatch field avrà luogo il processo di matching fra property unit
e target unit. Mentre la coincidenza fra target rosso attivo e linea rossa
attiva produrrà un segnale di match ed una retroazione positiva alla
property unit, la discordanza fra linea verde attiva e target verde disattivo
produrrà un segnale inibitorio. Nella figura seguente viene rappresentata la
dinamica di attivazione dei due oggetti (Fig. 92).
108
Fig. 92. Separazione attenzionale di target e distrattore operata in base alla
dimensione del colore (attività dei nodi specifici per il colore). Mentre i due
oggetti sono indistinti nella prima fase, quando l'input sensoriale giunge
all'object field, in breve l'attività del M/MF li differenzia.
Un altro dato di cui rende conto il modello è che la sovrapposizione
fra target e distrattore peggiora la prestazione. Questo può essere spiegato,
sempre restando aderenti all'architettura del modello, dal fatto che due
oggetti simili condividano dei nodi (Fig. 93).
In
questo
caso,
contemporaneamente
gli
attivazione
stessi
dagli
nodi
altri
condivisi
nodi
del
riceveranno
distrattore,
rallentando ed annullando il processo di selezione. Nella figura 94
vediamo come varia la differenza di attivazione fra unità che codificano
per i target ed i distrattori un funzione del grado di sovrapposizione dei
due.
109
Fig. 93 Un esempio di due object assembly condividenti dei nodi. Gli assembly
sono costituiti da 5 nodi ciascuno, due dei quali sono condivisi. L'oggetto 1
riceve un segnale di match dal M/MF, mentre l'oggetto 2 riceve una inibizione.
Le due unità condivise sono soggette, quindi, sia ad inibizione che eccitazione.
Fig. 94 Come varia l'efficienza nel discriminare fra distrattore e target in
funzione della sovrapposizione fra i due. Maggiore la somiglianza fra i due,
maggiore l'interferenza causata dal distrattore, qui espressa come differenza fra i
valori medi di attivazione raggiunti dai nodi che compongono target e distrattore.
c1 e c2 rappresentano rispettivamente le percentuali di nodi rilevanti e non
rilevanti per la categoria di appartenenza (es: c1: colore, c2: localizzazione).