In questo articolo Indice dei contenuti 3 sezioni
Un moscerino della frutta che finisce nel bicchiere di vino lasciato troppo a lungo sul tavolo non sembra il miglior modello di intelligenza in circolazione, eppure è proprio da lì che arriva Spi-Fly, un algoritmo capace di riconoscere gli odori e soprattutto di non dimenticarli. L’hanno messo a punto Kevin Max e Yang Shen all’Okinawa Institute of Science and Technology, e il lavoro è stato pubblicato sulla rivista Neuromorphic Computing and Engineering. Il punto di partenza è semplice quanto spiazzante: con circa 140.000 neuroni, un cervello più piccolo di un seme di papavero, la Drosophila distingue una quantità enorme di odori in una frazione di secondo e ne conserva il ricordo a lungo.
I nasi elettronici oggi in commercio, al confronto, fanno una figura mediocre. Aziende come Alpha MOS, Aryballe e Odotech li vendono per il controllo qualità nel settore alimentare, il monitoraggio ambientale e i controlli di sicurezza, ma anche i modelli più avanzati restano costosi, molto limitati in ciò che riescono a rilevare e piuttosto smemorati. Imparano un odore nuovo e cancellano quello vecchio.
Perché l’olfatto resta il senso più complicato da imitare
Vista e udito si riducono a una singola dimensione fisica, la lunghezza d’onda, che si può mettere su un grafico senza troppi problemi. Le molecole odorose no. La biologia ha dovuto arrangiarsi con una soluzione più disordinata: centinaia di proteine recettoriali diverse, ognuna sagomata per agganciare caratteristiche molecolari specifiche, che si attivano in combinazioni poi decodificate dal cervello. Una complessità tale che solo nel 1991 Linda Buck e Richard Axel sono riusciti a identificare la famiglia di geni dei recettori, lavoro che nel 2004 è valso loro il Nobel.
Da qui nascono i due colli di bottiglia dei dispositivi attuali. Il primo è la fame di dati: servono montagne di esempi etichettati a mano prima che una macchina distingua un odore dall’altro in modo affidabile. Il secondo ha un nome che dice tutto, oblio catastrofico. Insegnare un nuovo odore tende a scombinare quello che il sistema aveva già imparato, l’equivalente elettronico di dimenticare come si va in bicicletta subito dopo aver imparato a nuotare. Un apparecchio tarato sull’olio d’oliva rancido non è lo stesso che segnala un esplosivo a un varco aeroportuale, e riconvertirlo significa quasi ricominciare da capo.
Il codice a barre degli odori e una regola vecchia di decenni
Il segreto degli insetti, secondo gli autori, è la codifica sparsa. Funziona un po’ come assegnare un codice a barre a ogni odore. Il sistema olfattivo della mosca si appoggia a circa 2.000 cellule specializzate, le cellule di Kenyon, che ricevono segnali sparsi e cablati in modo casuale dai recettori. Tutte riferiscono a un unico punto di raccolta, il neurone APL, presente in coppia simmetrica, uno per emisfero. Gli APL rispondono con un’inibizione globale e potente che zittisce quasi tutte le cellule di Kenyon. Quelle poche che restano accese sono il codice a barre di quell’odore.
Spi-Fly entra in scena dopo il sensore. Le letture diventano un flusso di impulsi, proiettati in modo sparso e casuale su uno strato nascosto che fa le veci delle cellule di Kenyon, con i neuroni che si inibiscono a vicenda invece di affidarsi a un arbitro unico. Da lì si passa a uno strato di uscita, un neurone per ogni odore etichettato. L’apprendimento segue una regola semplice e vecchia di decenni: ogni volta che un neurone nascosto si accende insieme alla risposta corretta, quel collegamento si rafforza un po’. Nessuna retropropagazione, la tecnica co inventata da Geoffrey Hinton, Nobel per la fisica nel 2024, che addestra la gran parte delle reti neurali moderne.
Numeri, limiti e una polemica accademica
Nei test su odori raccolti da comuni sensori di gas, Spi-Fly raggiunge il picco dopo appena tre esposizioni per ciascun odore, mentre la retropropagazione ne richiede circa 70. Somministrando poi odori nuovi a coppie, uno stress test sull’oblio catastrofico, l’algoritmo tiene botta quasi senza perdita di accuratezza, mentre il metodo tradizionale crolla verso il tiro a indovinare. Regge meglio anche con poca memoria a disposizione, condizione tipica dei chip neuromorfici, hardware che imita direttamente il cervello elaborando impulsi.
Il tetto però esiste, e lo ammette Max. Con uno strato di codice sparso da 100 neuroni e cinque neuroni per odore, il limite teorico sarebbe di circa 75 milioni di combinazioni, ma il rumore reale ne cancella quasi tutte. Lo stesso odore non è quasi mai rappresentato dallo stesso codice sparso in due esposizioni diverse, a causa di rumore e condizioni del flusso d’aria. Con i parametri attuali il modello dovrebbe reggere qualche centinaio di odori, a seconda di quanto si somigliano fra loro.
C’è anche una disputa aperta. Il concorrente più vicino citato nello studio è EPL net, che ottiene risultati mediocri sul dataset dei sensori di gas e va male sui dati sintetici della Drosophila. Thomas Cleland, professore di psicologia alla Cornell e co progettista di EPL net, contesta il confronto alla radice: le due reti si basano su strati diversi del sistema olfattivo e sono costruite per modelli di rumore diversi, quindi il paragone non direbbe granché.
Per ora Spi-Fly esiste solo come codice, testato su dati preregistrati e su odori isolati, niente a che vedere con il groviglio di profumi di una cucina, di un bosco o di un terminal aeroportuale. Il passo successivo è integrarlo nell’hardware di rilevamento che Max e i suoi collaboratori stanno costruendo alla TU Eindhoven e all’Università di Kiel, chip neuromorfici veri, con tutte le imperfezioni di un oggetto fisico. Nessuna data, solo la promessa di novità a breve.
