L’emergent computing è un campo che trae ispirazione dai processi computazionali naturali, caratterizzati da complessi meccanismi che emergono dalla cooperazione di processi semplici. Questo approccio si focalizza su sistemi dove il comportamento complessivo non dipende dalle singole parti ma dalle relazioni tra di esse. Un esempio di emergent computing è rappresentato dalle reti neurali artificiali (ANNs), sviluppate basandosi sul comportamento computazionale emergente dei cervelli biologici. Entrambi questi sistemi complessi sono composti da elementi semplici le cui interazioni combinano per generare calcoli complessi o processi cognitivi.

Il ruolo del reservoir computing nell’Emergent computing

Il concetto di computing emergente è stato ulteriormente sviluppato con il reservoir computing, un’applicazione che utilizza sistemi fisici non lineari, detti serbatoi, come parte del processo computazionale. Utilizzando serbatoi presenti in natura, come onde d’acqua per l’analisi delle immagini, muffe miceliali come risolutori di labirinti e reattori chimici come porte logiche, il reservoir computing permette di sfruttare la computazione emergente naturale per applicazioni pratiche. Tuttavia, questi sistemi non mostrano funzioni di memoria emergente e comportamento di apprendimento associativo, caratteristiche osservate nelle reti neurali biologiche (BNNs). La limitata capacità di memoria limita le potenzialità dei sistemi di serbatoi di migliorare, rendendo complessi i compiti continui basati sulla storia delle attività.

Memoria emergente nelle Reti Neurali Biologiche e Artificiale

Per sfruttare la potenza computazionale delle reti neurali biologiche nei problemi di calcolo, sono state sviluppate le ANNs, create applicando elementi strutturali dei cervelli biologici con l’obiettivo di raggiungere capacità di apprendimento simili.

Sebbene le ANNs abbiano fatto grandi progressi nella risoluzione di problemi attraverso il machine learning, rimangono limitate dalla loro implementazione hardware e non sono in grado di emulare completamente le capacità di apprendimento delle loro ispirazioni biologiche.

Il Potenziale dei Polimeri Idrogel EAP nella Computazione Emergente

Recenti studi hanno esplorato il potenziale dei polimeri idrogel elettroattivi (EAP) nella computazione. Questi materiali mostrano un comportamento di memoria simile alle BNNs quando stimolati elettricamente, grazie alla migrazione degli ioni sotto l’influenza di campi elettrici per ridurre l’energia libera del sistema. Questo processo causa una ristrutturazione della distribuzione degli ioni e delle catene polimeriche cariche, rendendo il comportamento degli idrogel EAP comparabile alla dinamica degli ioni nei neuroni delle BNNs.

Studio sull’Applicazione degli Idrogel EAP al Gioco Pong

Questo studio mira a dimostrare come gli idrogel EAP possano esibire funzioni di memoria emergente quando integrati in un ambiente di gioco simulato. L’esperimento utilizza un’array multi-elettrodo (MEA) per stimolare gli idrogel EAP nel contesto del gioco Pong, un compito già stabilito per il calcolo biologico. I risultati mostrano come la concentrazione degli ioni negli idrogel, misurata attraverso la conducibilità, influenzi le performance del gioco, indicando la presenza di meccanismi di memoria emergente.

Un recente studio di ricerca, ispirato dallo scarabeo stercorario, potrebbe rivoluzionare i sistemi di navigazione utilizzati in droni, robot e satelliti. Questo insetto, che si è evoluto circa 130 milioni di anni fa, è la prima specie conosciuta a utilizzare la Via Lattea come punto di riferimento per orientarsi di notte, concentrandosi su questa costellazione per spostare le sfere di sterco in linea retta lontano dai competitori.

Ispirazione dalla Natura per la Tecnologia

Nel 2013, un gruppo di ricercatori svedesi ha scoperto che gli scarabei stercorari utilizzano la Via Lattea per orientarsi durante la notte. Ora, dieci anni dopo, ingegneri australiani dell’Università del South Australia stanno modellando la stessa tecnica per sviluppare un sensore basato sull’intelligenza artificiale in grado di misurare accuratamente l’orientamento della Via Lattea in condizioni di scarsa illuminazione. Questo nuovo sviluppo è guidato dal Professor Javaan Chahl e il suo team di dottorandi, che hanno utilizzato la visione artificiale per dimostrare che la larga striscia di luce che forma la Via Lattea non è influenzata dal motion blur, a differenza delle singole stelle.

Sviluppo di sistemi di Navigazione basati sulla Via Lattea

Il team di ricerca ha condotto una serie di esperimenti utilizzando una fotocamera montata sul tetto di un veicolo per catturare immagini della Via Lattea mentre il veicolo era sia fermo che in movimento. Questi esperimenti hanno permesso di sviluppare un sistema di visione artificiale che misura in modo affidabile l’orientamento della Via Lattea, un passo fondamentale verso la costruzione di un sistema di navigazione innovativo. I risultati della ricerca sono stati pubblicati sulla rivista Biomimetics.

Il candidato PhD della UniSA, Yiting Tao, autore principale dello studio, afferma che il sensore di orientamento potrebbe essere un metodo di backup per stabilizzare i satelliti e aiutare droni e robot a navigare in condizioni di scarsa illuminazione, anche quando c’è molto blur causato da movimento e vibrazioni. Tao ha in programma di implementare l’algoritmo su un drone per testarlo in volo notturno.

Le soluzioni della natura per le sfide della tecnologia

Prof. Chahl sottolinea come la visione degli insetti abbia da tempo ispirato gli ingegneri nello sviluppo di sistemi di navigazione. Gli insetti come lo Scarabeo Stercorario hanno risolto problemi di navigazione per milioni di anni, utilizzando cervelli costituiti da decine di migliaia di neuroni, rispetto ai miliardi presenti negli esseri umani. Questo dimostra come soluzioni naturali possano superare sfide che anche le macchine più avanzate faticano a risolvere.

Un team di ricercatori dell’Università di Colonia ha sviluppato una piattaforma digitale innovativa basata sull’intelligenza artificiale (IA) che permette un’analisi estremamente rapida e accurata delle sezioni di tessuto dei pazienti affetti da cancro al polmone. Questo strumento rivoluzionario utilizza nuovi algoritmi progettati dai ricercatori per automatizzare completamente l’analisi delle sezioni di tessuto digitalizzate dei tumori polmonari, migliorando significativamente la precisione e la velocità rispetto ai metodi tradizionali. Lo studio che descrive questo sviluppo, intitolato “Next generation lung cancer pathology: development and validation of diagnostic and prognostic algorithms“, è stato pubblicato sulla rivista Cell Reports Medicine.

Innovazioni nella Patologia Digitale

Il cancro al polmone è uno dei tumori più comuni negli esseri umani e presenta un tasso di mortalità molto elevato. Attualmente, la scelta del trattamento per i pazienti con cancro al polmone è determinata dall’esame patologico dei tessuti. I patologi sono in grado di identificare specifiche modifiche genetiche a livello molecolare che permettono di personalizzare la terapia. Negli ultimi anni, la patologia ha subito una trasformazione digitale, eliminando la necessità di microscopi tradizionali e consentendo l’analisi delle sezioni di tessuto direttamente sullo schermo del computer. Questa digitalizzazione è fondamentale per l’applicazione di metodi analitici avanzati basati sull’intelligenza artificiale. L’uso dell’IA consente di estrarre ulteriori informazioni dai campioni di tessuto patologico, informazioni che altrimenti sarebbero invisibili con le tecniche convenzionali.

Applicazioni future e validazione della Piattaforma

Il dottor Yuri Tolkach, dell’Istituto di Patologia Generale e Anatomia Patologica dell’Ospedale Universitario di Colonia, ha spiegato che la nuova piattaforma potrebbe essere utilizzata per sviluppare nuovi strumenti clinici in grado di migliorare la qualità della diagnosi e fornire nuovi tipi di informazioni sulla malattia del paziente, come la risposta al trattamento. Per dimostrare la vasta applicabilità della piattaforma, il team di ricerca condurrà uno studio di validazione insieme a cinque istituti patologici in Germania, Austria e Giappone.