A prima vista il comportamento di un batterio, l’attività dei neuroni nel cervello umano e il volo di un drone sopra una città sembrano appartenere a mondi lontani.
Eppure la ricerca scientifica contemporanea mostra che questi fenomeni condividono principi comuni.
L’elemento che li unisce è la capacità di prendere decisioni efficaci in condizioni di incertezza, una competenza che la natura ha affinato nel corso dell’evoluzione e che oggi diventa centrale per la robotica autonoma.
Uno dei problemi più delicati dell’intelligenza artificiale applicata al mondo reale riguarda l’affidabilità delle informazioni sensoriali.
Robot e droni operano in ambienti complessi, affollati e dinamici, dove i sensori sono costantemente esposti a rumore, interferenze e dati incompleti.
In queste condizioni la qualità della decisione dipende dalla capacità del sistema di valutare quanto siano attendibili le informazioni ricevute.
Quando questa capacità manca, anche algoritmi sofisticati possono produrre comportamenti pericolosi o inefficaci.
Per affrontare questa difficoltà, un gruppo di ricercatori dell’università di Salerno, in collaborazione con l’University College London, ha sviluppato un modello ispirato ai meccanismi di adattamento dei sistemi biologici elementari.
Lo studio, guidato da Giovanni Russo e influenzato dal quadro teorico dell’inferenza attiva elaborato da Karl Friston, traduce in termini matematici il modo in cui organismi semplici riescono a muoversi e sopravvivere in ambienti caratterizzati da segnali incerti.
Il modello consente ai sistemi artificiali di integrare percezione e valutazione dell’incertezza, migliorando la robustezza delle decisioni durante la navigazione autonoma.
I risultati sperimentali mostrano che robot mobili e droni dotati di questo approccio mantengono comportamenti sicuri anche quando una parte significativa dei dati sensoriali risulta errata o incoerente.
La capacità di filtrare il rumore e di modulare le azioni in funzione dell’affidabilità delle informazioni riduce in modo sostanziale il rischio di collisioni e malfunzionamenti.
Questa linea di ricerca segna un passaggio importante verso una concezione dell’intelligenza artificiale orientata alla sicurezza decisionale, spesso indicata come “reliable AI”.
Un filone parallelo di sperimentazione si sviluppa nell’ambito della percezione e del controllo neuromorfico.
Nel 2024 la rivista Science Robotics ha pubblicato uno studio che descrive un drone completamente autonomo basato su sensori a eventi e reti neurali spiking.
Le reti neurali spiking rappresentano un tentativo di avvicinare il calcolo artificiale ai principi fondamentali della neurobiologia.
Introducendo il tempo, la soglia e la scarsità degli impulsi come elementi centrali, offrono un modello di intelligenza artificiale più efficiente, più adattivo e più vicino al modo in cui funziona il cervello.
Il lavoro, realizzato da Fernando Paredes-Vallés e colleghi presso la Delft University of Technology, dimostra che è possibile controllare un drone utilizzando un flusso di informazioni simile a quello della visione biologica.
Il sistema reagisce agli stimoli ambientali con latenze molto ridotte e con un consumo energetico inferiore rispetto alle architetture tradizionali.
Queste ricerche mostrano come l’ispirazione neuroscientifica non sia limitata alla teoria.
Sistemi di controllo neuromorfico sono stati testati su quadrirotori reali per la stima dell’assetto e la stabilizzazione del volo, con prestazioni compatibili con applicazioni operative.
Altri progetti sperimentali integrano modelli di percezione bio-ispirata con sistemi di pianificazione avanzata, aprendo la strada a droni capaci di adattarsi dinamicamente a scenari urbani o industriali complessi.
L’elemento comune di questi studi è una nuova idea di intelligenza artificiale.
L’attenzione si sposta dalla sola potenza di calcolo alla capacità di valutare i limiti della percezione e di agire in modo prudente quando l’informazione è incompleta.
Questa prospettiva trova applicazione concreta in ambiti come la logistica automatizzata, la mobilità intelligente e il monitoraggio con droni in contesti ad alto rischio.
L’incontro tra neuroscienze e robotica autonoma rappresenta quindi un cambiamento profondo nel modo di progettare sistemi intelligenti.
La ricerca italiana, in dialogo con i principali centri internazionali, contribuisce in modo significativo a questa trasformazione.
Macchine capaci di riconoscere l’incertezza e di adattare il proprio comportamento mostrano un grado di maturità tecnologica più vicino alle esigenze del mondo reale.
Il futuro dell’intelligenza artificiale prende forma in questa convergenza tra biologia, matematica e ingegneria, dove comprendere come funziona la vita aiuta a costruire macchine più sicure e affidabili.
Riferimenti bibliografici
Russo G., Friston K., et al.
“robust decision-making under sensory uncertainty via biologically inspired control models”.
Nature Machine Intelligence, volume 6, numero 1, gennaio 2024.
Paredes-Vallés F., Hagenaars J., Scaramuzza D., et al.
“fully neuromorphic vision and control for autonomous drone flight”.
Science Robotics, volume 9, numero 90, maggio 2024.
Scaramuzza D., Gallego G.
“event-based vision: a survey”.
IEEE Transactions on Pattern Analysis and Machine Intelligence, volume 44, numero 1, gennaio 2022.
