Large-scale simulations of brain mechanisms: beyond the synthetic method

Titolo Rivista PARADIGMI
Autori/Curatori Edoardo Datteri, Federico Laudisa
Anno di pubblicazione 2016 Fascicolo 2015/3
Lingua Inglese Numero pagine 24 P. 23-46 Dimensione file 230 KB
DOI 10.3280/PARA2015-003003
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

Qui sotto puoi vedere in anteprima la prima pagina di questo articolo.

Se questo articolo ti interessa, lo puoi acquistare (e scaricare in formato pdf) seguendo le facili indicazioni per acquistare il download credit. Acquista Download Credits per scaricare questo Articolo in formato PDF

Anteprima articolo

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA)associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche

Nel panorama della ricerca neuroscientifica contemporanea figurano alcuni progetti di ricerca che si propongono di realizzare simulazioni a larga scala dei meccanismi cerebrali caratterizzati da livelli di accuratezza mai raggiunti finora. In questo articolo sosterremo che il contributo teorico e sperimentale atteso da questi progetti simulativi non si limita a quello offerto dal cosiddetto "metodo sintetico" spesso adottato in Intelligenza Artificiale e in biorobotica. Sosterremo inoltre che tali progetti, al di là dell’obiettivo comune di simulare i meccanismi cerebrali, perseguono ambizioni modellistiche concettualmente distinguibili l’una dall’altra, che corrispondono a varie possibili interpretazioni della nozione di "accuratezza biologica". Tra esse troviamo l’ambizione (i) di modellizzare livelli di analisi estremamente "bassi" nella gerarchia di scomposizione meccanicistica; (ii) di simulare reti composte da numeri molto elevati di unità neurali; (iii) di realizzare sistemi dotati di repertori comportamentali molto ricchi; (iv) di simulare modelli "complessi" delle unità di base di cui sono composte le reti; (v) di incorporare le migliori teorie correntemente disponibili sulla struttura e sulle funzioni del sistema nervoso. Solleveremo alcune questioni fondazionali relative al senso di queste ambizioni nel quadro dei vari ruoli che le simulazioni possono svolgere nella ricerca neuroscientifica

Keywords:Accuratezza biologica, Metodo sintetico, Metodologie simulative nelle neuroscienze, Modelli nelle neuroscienze, Neuroscienze computazionali, Simulazioni a larga scala del cervello.

  1. Ananthanarayanan R., Esser S.K., Simon H.D. and Modha D.S. (2009). The cat is out of the bag: cortical simulations with 10^9 neurons, 10^13 synapses. Proceedings of the Conference on High Performance Computing Networking, Storage and Analysis, C: 1-12.
  2. Bogen J. and Woodward J. (1988). Saving the phenomena. The Philosophical Review, 97, 3: 303-352.
  3. Burgess N., Jackson A., Hartley T. and O’Keefe J. (2000). Predictions derived from modelling the hippocampal role in navigation. Biological Cybernetics, 83, 3: 301-312. DOI: 10.1007/s004220000172
  4. Cordeschi R. (2002). The discovery of the artificial: behavior, mind and machines before and beyond cybernetics. Dordrecht: Kluwer. DOI: 10.1007/978-94-015-9870-5
  5. Cordeschi R. (2008). Steps toward the synthetic method: symbolic information processing and self organization systems in early artificial intelligence. In: Husbands P., Holland O. and Wheeler M., eds. The mechanical mind in history. Cambridge (MA): MIT Press: 219-258.
  6. Craver C. (2007). Explaining the brain: mechanisms and the mosaic unity of neuroscience. New York-Oxford: Clarendon Press. DOI: 10.1093/acprof:oso/9780199299317.001.0001
  7. Datteri E. (2016 forthcoming). Biorobotics. In: Magnani L. and Bertolotti T.W., eds. Springer handbook of model based science. Heildelberg-Berlin: Springer.
  8. Datteri E. and Laudisa F. (2014). Box-and-arrow explanations need not be more abstract than neuroscientific mechanism descriptions. Frontiers in Psychology, 5, 464. DOI: 10.3389/fpsyg.2014.00464
  9. Datteri E. and Tamburrini G. (2007). Biorobotic experiments for the discovery of biological mechanisms. Philosophy of Science, 74, 3: 409-430. DOI: 10.1086/522095
  10. De Garis H., Shuo C., Goertzel B. and Ruiting L. (2010). A world survey of artificial brain projects, Part I: large-scale brain simulations. Neurocomputing, 74, 1-3: 3-29.
  11. Donnarumma F., Prevete R., and Trautteur G. (2012). Programming in the brain: a neural network theoretical framework. Connection Science, 24, 2-3: 71-90. DOI: 10.1080/09540091.2012.684670
  12. Dror R.O., Dirks R.M., Grossman J.P., Xu H. and Shaw D.E. (2012). Biomolecular simulation: a computational microscope for molecular biology. Annual Review of Biophysics, 41: 429-52. DOI: 10.1146/annurev-biophys-042910-155245
  13. Eliasmith C., Stewart T.C., Choo X., Bekolay T., DeWolf T., Tang C. and Rasmussen D. (2012). A large-scale model of the functioning brain. Science, 338, 6111: 1202-1205. DOI: 10.1126/science.1225266
  14. Eliasmith C. and Trujillo O. (2014). The use and abuse of large-scale brain models. Current Opinion in Neurobiology, 25: 1-6. DOI: 10.1016/j.conb.2013.09.009
  15. Friedman M. (1974). Explanation and scientific understanding. The Journal of Philosophy, 71, 1: 5-19.
  16. Gijsbers V. (2007). Why unification is neither necessary nor sufficient for explanation. Philosophy of Science, 74, 4: 481-500. DOI: 10.1086/524420
  17. Grasso F. (2000). Biomimetic robot lobster performs chemo-orientation in turbulence using a pair of spatially separated sensors: progress and challenges. Robotics and Autonomous Systems, 30, 1-2: 115-131.
  18. Humphreys P. (2004). Extending ourselves: computational science, empiricism, and scientific method. New York: Oxford University Press. DOI: 10.1093/0195158709.001.0001
  19. Kandel E.R., Markram H., Matthews P.M., Yuste R. and Koch C. (2013). Neuroscience thinks big (and collaboratively). Nature Reviews. Neuroscience, 14: 659-64. DOI: 10.1038/nrn3578
  20. Kitcher P. (1981). Explanatory unification. Philosophy of Science, 48, 4: 507-531.
  21. Loeb J. (1900). Comparative physiology of the brain and comparative psychology. New York: G.P. Putman’s Sons. DOI: 10.5962/bhl.title.1896
  22. Long J. (2012). Darwin’s devices. What evolving robots can teach us about the history of life and the future of technology. New York: Basic Books.
  23. Markram H. (2006). The Blue Brain Project. Nature Reviews. Neuroscience, 7: 153-160. DOI: 10.1038/nrn1848
  24. Markram H., Meier K., Lippert T., Grillner S., Frackowiak R., Dehaene S., Knoll A., Sompolinsky H., Verstreken K., DeFelipe J., Grant S., Changeux J.P. and Saria A. (2011). Introducing the Human Brain Project. Procedia Computer Science, 7: 39-42. DOI: 10.1016/j.procs.2011.12.015
  25. Miłkowski M. (2015). Explanatory completeness and idealization in large brain simulations: a mechanistic perspective. Synthese: 1-22. DOI: 10.1007/s11229-015-0731-3
  26. Newell A. (1990). Unified theories of cognition. Cambridge (MA): Harvard University Press.
  27. Parker W.S. (2009). Does matter really matter? Computer simulations, experiments, and materiality. Synthese, 169, 3: 483-496. DOI: 10.1007/s11229-008-9434-3
  28. Reeke G.N., Sporns O. and Edelman G.M. (1990). Synthetic neural modeling: the “Darwin” series of recognition automata. Proceedings of the IEEE, 78, 9: 1498-1530. DOI: 10.1109/5.58327
  29. Reeve R., Webb B., Horchler A., Indiveri G. and Quinn R. (2005). New technologies for testing a model of cricket phonotaxis on an outdoor robot. Robotics and Autonomous Systems, 51, 1: 41-54. DOI: 10.1016/j.robot.2004.08.010
  30. Rosenblueth A. and Wiener N. (1945). The role of models in science. Philosophy of Science, 12, 4: 316-321. DOI: 10.1086/286874
  31. Roysam B., Shain W. and Ascoli G.A. (2009). The central role of neuroinformatics in the national academy of engineering’s grandest challenge: reverse engineer the brain. Neuroinformatics, 7, 1: 1-5. DOI: 10.1007/s12021-008-9043-9
  32. Suppe F. (1989). The semantic conception of theories and scientific realism. Urbana and Chicago: University of Illinois Press.
  33. Traub R. and Wong R. (1982). Cellular mechanism of neuronal synchronization in epilepsy. Science, 216, 4547: 745-747. DOI: 10.1126/science.7079735
  34. Webb B. (2006). Validating biorobotic models. Journal of Neural Engineering, 3, 3: 25-35. DOI: 10.1088/1741-2560/3/3/R01
  35. Winsberg E. (2003). Simulated experiments: methodology for a virtual world. Philosophy of Science, 70: 105-125. DOI: 10.1086/367872
  36. Woodward J. (2002). What is a mechanism? A counterfactual account. Philosophy of Science, 69: 366-377. DOI: 10.1086/341859

  • On the Cognitive, Ethical, and Scientific Dimensions of Artificial Intelligence Edoardo Datteri, pp.205 (ISBN:978-3-030-01799-6)

Edoardo Datteri, Federico Laudisa, Large-scale simulations of brain mechanisms: beyond the synthetic method in "PARADIGMI" 3/2015, pp 23-46, DOI: 10.3280/PARA2015-003003