Descrizione del modulo "Architetture bio-computazionali del lessico mentale (IC.P02.004.002)"

Type
Label
  • Descrizione del modulo "Architetture bio-computazionali del lessico mentale (IC.P02.004.002)" (literal)
Potenziale impiego per bisogni individuali e collettivi
  • Dal punto di vista del loro impatto socio-culturale, alcune delle tecnologie messe a punto nell'ambito di questo modulo trovano applicazione nei seguenti ambiti: •scuola ed educazione: messa a punto di piattaforme di supporto alla glottodidattica acquisizionale e al monitoraggio evolutivo di funzioni psico-cognitive di base e della loro interazione in attività educative (memoria seriale, attenzione, lettura ecc.); •scienze della vita: diagnosi precoce e trattamento multi-fattoriale di disturbi evolutivi della comunicazione verbale e non verbale; trattamento e recupero delle funzionalità linguistiche in soggetti colpiti da ictus cerebrale; •sviluppo di sistemi robotici: messa a punto di interfacce per la comunicazione uomo-robot in contesti naturalistici di interazione verbale e ambientale anche mediante l'uso di biosensori; •comunicazione: sistemi per il monitoraggio e l'ottimizzazione dell'efficacia della comunicazione verbale e di strumenti di supporto alla verbalizzazione della conoscenza in contesti mono- e multi-mediali. (literal)
Tematiche di ricerca
  • Nell'ambito del Machine Learning, il modulo percorre una linea di ricerca finalizzata allo sviluppo di reti neurali artificiali che possano spiegare i fenomeni di comprensione, categorizzazione e produzione linguistica. Il modulo si propone di indagare tali fenomeni mediante un approccio più generale, ovvero considerando stimoli (linguistici ed extralinguistici) rappresentati da sequenze temporali di stimoli di gerarchia inferiore. Nel perseguire questo obiettivo, il modulo si propone di progettare e implementare modelli innovativi di reti neurali artificiali, indagando il ruolo giocato da diversi fattori, quali i) la natura degli stimoli somministrati, ii) parametri del modello e del protocollo di addestramento, iii) connettività all'interno e tra i diversi livelli di rappresentazione. Le tematiche affrontate possono essere così riassunte: •architetture neuro-computazionali parallele per la memorizzazione e categorizzazione di serie temporali •modelli probabilistici dell'uso linguistico •modelli neuro-computazionali del lessico mentale •modelli dell'elaborazione linguistica in acquisizione, generalizzazione e produzione •disturbi evolutivi della comunicazione verbale e non verbale (literal)
Competenze
  • Il modulo affronta un tema di ricerca cross-disciplinare, al confine tra bioingegneria, neuroscienze computazionali e linguistica, quest'ultima includendo a sua volta conoscenze nell'ambito della linguistica teorica, psicolinguistica e linguistica computazionale. La competenza organizzativa e cross-disciplinare deve agire da collettore e da base di progetto per le azioni da intraprendere nell'ambito del processo di implementazione e simulazione dei modelli teorizzati. L'aspetto organizzativo rappresenta il prerequisito dell'attività del modulo, il cui obiettivo primario è rivolto all'aspetto simulativo. Tale processo di progettazione e simulazione richiede profonde conoscenze dei calcolatori elettronici e delle reti di calcolatori, al fine di creare modelli efficienti in termini computazionali, che si possano avvalere dei più recenti paradigmi di programmazione parallela e distribuita e che possano essere oggetto di analisi e valutazione secondo criteri confrontabili con la letteratura esistente. (literal)
Potenziale impiego per processi produttivi
  • Dal punto di vista applicativo, alcuni degli strumenti computazionali sviluppati e sperimentati nella presente ricerca di base si prestano ad essere riutilizzati per i seguenti scopi: •sviluppo di componenti adattivi per sistemi robotici innovativi; •infrastrutture bio-computazionali integrate per la diagnosi e il trattamento multi-fattoriali di disturbi evolutivi della comunicazione verbale e non verbale (quali ad es. dislessia e autismo); •strumenti per il monitoraggio della fisiologia delle funzioni cognitive in condizioni di riposo, di affaticamento e di stress; •piattaforme interattive di supporto alla glottodidattica acquisizionale; •strumenti di ausilio alla semplificazione e ottimizzazione della comunicazione verbale. (literal)
Tecnologie
  • •simulazioni bio-computazionali del lessico mentale e dell'architettura grammaticale della lingua; •modelli quantitativi dell'uso linguistico; •modelli di memoria seriale; •modelli neuro-computazionali di compiti di interazione linguistica naturalistica in contesti comunicativi reali monitorati mediante bio-sensori; •infrastrutture bio-computazionali avanzate per la diagnosi e il trattamento multi-fattoriali di disturbi evolutivi della comunicazione verbale e non verbale. (literal)
Obiettivi
  • •sviluppo di modelli computazionali dinamici di ispirazione neuro-biologica per la gestione di stimoli seriali, con particolare attenzione all'architettura propria della grammatica, all'analisi dell'interazione lessico-grammatica, e dei legami tra processi di memorizzazione a breve e a lungo termine; •sviluppo di una metodologia di ricerca interdisciplinare per lo studio dei fattori che governano comprensione, produzione e apprendimento del linguaggio e l'interazione dinamica tra tali fattori; •simulazioni psico-computazionali delle fasi di apprendimento della lingua; •disegno e verifica quantitativa di modelli teorici dell'uso linguistico, mediante l'impiego di tecniche di machine learning e modelli stocastici del linguaggio addestrati su ampi repertori di dati linguistici annotati; •sviluppo di tecniche e strumenti prototipali per il monitoraggio dello sviluppo linguistico del bambino, la diagnosi di disturbi linguistico-cognitivi, lo studio delle dinamiche di apprendimento di L1 ed L2; •apprendimento e categorizzazione incrementale di stimoli linguistici ed extra-linguistici; (literal)
Stato dell'arte
  • Secondo l'ipotesi di \"corrispondenza diretta\" (Miller & Chomsky), la distinzione tra lessico e grammatica si correla a due funzioni psico-cognitive primarie, memorizzazione e computazione, neuro-anatomicamente localizzate. In alternativa, è stato suggerito che la dicotomia tra regole ed eccezioni sia l'epifenomeno di principi uniformi di apprendimento ed elaborazione. Il modulo persegue quest'ultima ipotesi, partendo da modelli quali Kohonen Self-Organizing Map (KSOM) e Multi-Layer Perceptron (MLP), estendendo le funzionalità di modelli più recenti (Koutnik, 2007) e sviluppando nuove tecnologie atte a tenere in conto un'informazione essenziale ai processi linguistici: il tempo, ovvero la temporizzazione secondo la quale il modello evolve durante l'analisi degli stimoli somministrati. La sincronizzazione dell'attività neurale (e più in generale, dell'informazione), sembra essere infatti alla base dell'apprendimento per selezione (Edelmann, 2001, 2013). In accordo con tali teorie, obiettivo del modulo è di progettare architetture biologicamente ispirate (Izhikevich, 2007) che facciano un forte uso dell'apprendimento Hebbiano basato sul tempo di inter-attività. (literal)
Tecniche di indagine
  • I modelli computazionali basati su reti neurali artificiali offrono la possibilità di studiare processi di auto-organizzazione sulla base di collezioni di esempi. Tale studio ha un duplice scopo. Da un lato è possibile validare il modello realizzato e utilizzarlo attivamente in contesti applicativi. Dall'altro si presenta l'interessante opportunità di studiare lo stato interno della rete, ovvero la configurazione risultante dal processo di apprendimento implementato dal modello. Con questo approccio, il modulo intende investigare i meccanismi alla base della memorizzazione e categorizzazione di sequenze temporali di stimoli (anche di natura linguistica e multimodale) avvalendosi delle seguenti metodologie di indagine: •reti neurali artificiali e simulazioni al calcolatore; •architetture e protocolli per il calcolo parallelo e distribuito; •strumenti per la raccolta di dati di input eterogenei, la loro strutturazione e annotazione; •tecniche di psico-linguistica, neuro-immagine e di analisi di potenziali evocati per l'individuazione e l'analisi di correlazioni neuro-funzionali e comportamentali; •tecniche statistiche per l'analisi, la valutazione del modello. (literal)
Descrizione di

Incoming links:


Descrizione
data.CNR.it