Simulazione dell'addestramento con rinforzo e del reversal learning attraverso un modello neuro-computazionale dei gangli della base

La flessibilità cognitiva costituisce un concetto fondamentale alla base di numerosi aspetti della vita quotidiana. Gli esseri umani hanno la capacità di adattare le proprie scelte a seconda dello specifico contesto in cui si verifica un’azione, basandosi su una precedente esperienza di tentativi ed errori. I meccanismi neurali alla base delle procedure di apprendimento con rinforzo coinvolgono i gangli della base (BG), tra le principali aree del cervello. I circuiti dei BG sono fortemente influenzati dal livello di dopamina (DA), che svolge un ruolo cruciale nella plasticità sinaptica. Un’eventuale compromissione del sistema dopaminergico si traduce in una vasta gamma di condizioni neurologiche, tra cui i disturbi del controllo del comportamento e del movimento. In questo lavoro è stato utilizzato un modello neurocomputazionale dei BG già validato in precedenti studi. Il modello comprende le tre vie principali che operano nei circuiti dei BG, ovvero la via diretta, l'indiretta e l'iperdiretta; le sinapsi striatali vengono addestrate tramite meccanismi hebbiani sulla base di una precedente storia di premi e punizioni. In particolare, è stata focalizzata l’attenzione su una procedura di apprendimento inverso basata su un paradigma probabilistico. Sono state inoltre apportate delle modifiche ai parametri del modello per testare la versatilità della rete e la sua capacità di adattamento a diversi contesti.