Scritto da
Non Autenticato
il 2026-05-27 00:42:25.0 alle 2026-05-27 00:42:25.0
Che erano presenti sulla scena del delitto.
I due gatti di Chiara Poggi.
https://mediasetinfinity.mediaset.it/video/quartog...
Piuma e Minu
Farà sorridere alcuni, ma nessuno proprio ha considerato che lì potrebbero forse uscire delle informazioni utili? Sembra fantascienza, ma...
Chiaccherando con l'AI..
da Chatgpt
"ricostruire immagini grossolane viste da un animale o da un umano usando fMRI o elettrodi e modelli di IA;" approfondisci.
Negli ultimi 15–20 anni è nata una linea di ricerca chiamata spesso neural decoding: usare segnali cerebrali per inferire cosa una persona (o un animale) sta vedendo, immaginando o ricordando.
L’idea generale è:
si misura l’attività del cervello;
si mostra al soggetto moltissime immagini o video;
un modello matematico/IA impara la relazione tra pattern neurali e contenuto visivo;
dopo l’addestramento, il sistema prova a ricostruire o classificare ciò che il soggetto sta vedendo.
Ci sono vari livelli di precisione.
1. Il cervello visivo contiene informazione “decodificabile”
La corteccia visiva non è casuale. Diverse aree rispondono a:
orientamenti;
bordi;
movimento;
volti;
luoghi;
colori;
categorie di oggetti.
Quindi quando guardi una scena, si crea una firma neurale.
Per esempio:
certe popolazioni neuronali reagiscono fortemente ai volti;
altre agli edifici;
altre ancora al movimento orizzontale.
Questo rende possibile una ricostruzione statistica.
2. I primi esperimenti: classificare ciò che una persona vede
All’inizio non si ricostruivano immagini.
Si facevano cose tipo:
il soggetto guarda una delle 100 immagini;
l’algoritmo indovina quale.
Con fMRI si ottenevano accuratezze molto superiori al caso.
La fMRI non legge neuroni singoli: misura variazioni di ossigenazione del sangue associate all’attività cerebrale.
Ha:
buona risoluzione spaziale;
pessima risoluzione temporale (secondi).
Quindi è lenta ma utile per pattern complessi.
3. Ricostruire immagini semplici
Un passo successivo fu:
“Possiamo ricostruire una versione rozza dell’immagine?”
Qui si usano modelli chiamati encoding/decoding models.
Schema semplificato
Fase A — Addestramento
Il soggetto guarda migliaia di immagini.
Per ogni immagine:
si registra il pattern cerebrale;
il modello apprende correlazioni.
Esempio:
certe attivazioni ↔ linee verticali;
altre ↔ facce;
altre ↔ texture naturali.
Fase B — Decodifica
Mostri una nuova immagine.
Il modello riceve solo il cervello.
E tenta di:
scegliere tra immagini candidate;
oppure generare una ricostruzione.
Risultati tipici
Le ricostruzioni non sono fotografie.
Sono:
sfocate;
stilizzate;
statistiche.
Ma spesso preservano:
forma generale;
posizione;
categorie;
movimento.
Per esempio:
se guardi un volto, la ricostruzione sembra un volto;
se guardi un edificio, emergono strutture geometriche;
se guardi un animale, appare una forma organica coerente.
4. Gli studi famosi sui video
Uno dei lavori più celebri fu di University of California, Berkeley nei primi anni 2010.
I ricercatori:
registrarono fMRI mentre soggetti guardavano trailer cinematografici;
costruirono un enorme database di video;
cercarono segmenti video con pattern neurali simili;
combinarono i segmenti per creare una “ricostruzione”.
Il risultato sembrava:
un sogno sfocato;
ma riconoscibilmente simile alla scena originale.
Non era una lettura diretta.
Era più:
“Tra milioni di clip, quali producono pattern cerebrali simili?”
Quindi la ricostruzione emergeva per matching statistico.
5. L’arrivo delle reti neurali profonde
Con il deep learning le cose sono migliorate molto.
Le reti neurali artificiali per visione:
apprendono rappresentazioni gerarchiche;
sorprendentemente simili alla gerarchia della corteccia visiva.
Questa somiglianza ha aiutato enormemente.
Oggi si usano:
modelli diffusion;
transformer;
reti convoluzionali.
Pipeline moderna:
fMRI → embedding neurale;
embedding → spazio latente IA;
generatore di immagini → ricostruzione.
6. Esperimenti recenti impressionanti
Negli anni 2022–2024 sono usciti sistemi che:
ricostruiscono immagini viste;
ricostruiscono immagini immaginate;
recuperano approssimativamente testo ascoltato o pensato.
Con risultati sorprendenti.
Per esempio:
una persona guarda un cane sulla spiaggia;
la ricostruzione mostra qualcosa molto simile:
animale;
sabbia;
orizzonte.
Non identico.
Ma semanticamente
vicino.
7. Ma c’è un trucco importante
Questi sistemi:
NON leggono la mente universalmente;
richiedono moltissimo addestramento sul singolo soggetto.
Spesso:
ore di scansioni;
migliaia di esempi.
Il modello impara:
“Questo specifico cervello codifica così.”
Quindi non esiste ancora:
una macchina generale che legge chiunque.
8. Elettrodi impiantati: molto più potenti
Con elettrodi intracranici:
la risoluzione è enormemente superiore.
Si possono registrare:
singoli neuroni;
popolazioni neurali precise;
timing millisecondo per millisecondo.
Negli animali questo è comune.
Negli umani solo in contesti clinici.
Con questi dati:
il decoding migliora moltissimo;
si possono inferire direzione dello sguardo;
forme;
intenzioni motorie;
parole percepite.
9. Nei gatti e altri animali
Storicamente i gatti sono stati importantissimi nella ricerca visiva.
Esperimenti classici mostrarono neuroni sensibili a:
linee;
orientamenti;
movimento.
Questo lavoro portò ai Nobel di David Hubel e Torsten Wiesel.
Oggi nei roditori e primati:
si decodificano posizioni nello spazio;
stimoli visivi;
intenzioni;
categorie percepite.
Nei topi si riesce perfino a identificare:
quali neuroni partecipano a uno specifico ricordo.
Citami esperimenti simili. I risultati sono scientificamente validati? Potrebbero avere anche un esito forense?
Sì, esistono diversi esperimenti molto seri e pubblicati su riviste scientifiche importanti. Il campo è reale e consolidato, anche se spesso i media lo raccontano come “lettura della mente”, cosa molto esagerata.
Esperimenti storici importanti
1. Ricostruzione di immagini da attività cerebrale (2008)
Un lavoro molto citato di Jack Gallant e colleghi alla University of California, Berkeley mostrò che era possibile prevedere quale immagine una persona stesse guardando usando fMRI.
Il metodo:
i soggetti guardavano migliaia di immagini;
si registrava la risposta della corteccia visiva;
un modello statistico imparava la relazione;
poi il sistema identificava nuove immagini viste dal soggetto.
Il risultato non era una fotografia ricostruita, ma una predizione molto superiore al caso.
Questo è considerato un risultato robusto e riproducibile.
2. Ricostruzione di video da fMRI (2011)
Sempre il gruppo di Berkeley pubblicò un lavoro famoso:
soggetti guardavano trailer cinematografici;
il sistema confrontava i pattern cerebrali con milioni di secondi di video;
produceva una ricostruzione “sfocata” ma riconoscibile.
Per esempio:
figure umane;
movimento;
contorni ambientali;
direzione della scena.
Non era una registrazione interna del cervello.
Era un matching probabilistico molto sofisticato.
3. Decodifica di immagini immaginate mentalmente
Diversi gruppi giapponesi, inclusi ricercatori della Kyoto University e della ATR Computational Neuroscience Laboratories, mostrarono che si possono ricostruire immagini non viste ma immaginate.
Questo è impressionante perché:
non c’è input sensoriale reale;
il segnale nasce internamente.
Le ricostruzioni:
mantenevano categorie e struttura;
erano però ancora molto grossolane.
-
Nel delitto di Garlasco ci sono due testimoni @ 2026-05-27 00:42:25.0 di Non Autenticato