4 elaborazioni corticali di livello superiore



Scaricare 458.5 Kb.
02.06.2018
Dimensione del file458.5 Kb.



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, 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 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 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.



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).

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 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 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, posizione, ecc.), come è caro al paradigma connessionista. Si presuppone c
he 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 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 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.



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 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. 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).



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, gli stessi nodi condivisi riceveranno contemporaneamente attivazione dagli altri nodi del 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.





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).


Condividi con i tuoi amici:


©astratto.info 2019
invia messaggio

    Pagina principale