Un algoritmo comune che governa il processo decisionale tra specie suggerisce che i principi geometrici fondamentali possono spiegare come e perché gli animali si muovono in quel modo.
I ricercatori dell’Università di Costanza e dell’Istituto Max Planck per il comportamento animale in Germania hanno scoperto una regola unica che gli animali usano per prendere decisioni spaziali mentre sono in movimento. Le decisioni si basano su un algoritmo, identificato dagli scienziati attraverso tecnologie di realtà virtuale.
Per gli specialisti tedeschi, gli animali possono far fronte alla complessità ambientale impiegando uno schema binario nel processo decisionale, che riduce l’enorme diversità di opzioni a solo due alternative. In questo modo gli esemplari delle più svariate specie sono in grado di prendere decisioni efficaci e rapide in merito alla loro collocazione spaziale e ai movimenti.
Secondo un comunicato stampa, l’algoritmo viene utilizzato dagli animali per decidere dove andare tra le tante possibilità. In questo modo, un insieme di principi geometrici di base servirebbe a spiegare e comprendere i movimenti che gli animali compiono quando si muovono nello spazio, a ulteriore prova della trascendenza dell’ordine matematico e delle forme geometriche nell’ordinamento della realtà.
In diverse specie di animali
Nel nuovo studio interdisciplinare condotto dagli scienziati tedeschi, recentemente pubblicato negli Atti della National Academy of Sciences (PNAS), hanno collaborato anche specialisti del Weizmann Institute of Sciences, in Israele, e dell’Eötvös Loránd University, in Ungheria. Gli esperti hanno costruito un modello computazionale del processo decisionale nel cervello, che ha permesso loro di acquisire una nuova prospettiva su come gli animali prendono decisioni spaziali.
Il modello è stato confrontato in movimenti reali utilizzando tecnologie di realtà virtuale immersiva, che hanno permesso agli scienziati di studiare i movimenti nello spazio di tre specie: il moscerino della frutta, l’aragosta del deserto e il pesce zebra. In questo modo hanno potuto collazionare il modello in animali che volano, camminano e nuotano, verificando che gli stessi principi governano i movimenti di specie che si muovono in contesti completamente diversi.
Lo schema principale che supporta l’algoritmo scoperto è la biforcazione: di fronte a uno scenario che mostra loro un’infinità di alternative, gli animali tendono a ‘ordinare’ la realtà in due modi possibili.
Questa biforcazione consente loro di scartare rapidamente le opzioni che si presentano nello schema binario, fino a quando non selezionano finalmente una possibilità definitiva. Il percorso verso la decisione finale è rapido, ma richiede un numero complesso di reti neurali nel cervello degli animali.Decisioni improvvise che rispondono ai cambiamenti dell’ambiente
Una serie di bruschi cambi di direzione e movimenti, che sono associati all’esclusione di una delle opzioni disponibili nella struttura binaria, sono il risultato di variazioni improvvise nelle dinamiche neurali. Apparentemente, tutte le specie hanno mostrato esattamente le stesse biforcazioni previste dall’algoritmo.
Inoltre, questo processo decisionale, estremamente efficace in contesti ecologici complessi e diversificati, non viene utilizzato solo a livello individuale. Gli scienziati hanno anche scoperto che gli stessi principi geometrici probabilmente si applicano al processo decisionale spaziale da parte di collettivi di animali, come mandrie o greggi.
Infine, gli specialisti hanno evidenziato che le rappresentazioni neurali delle opzioni che gli animali prendono in considerazione cambiano inevitabilmente mentre si muovono nello spazio. Ciò significa che la valutazione e la decisione vengono prese praticamente contemporaneamente: gli animali non prima selezionano un luogo e poi si muovono verso l’obiettivo, ma fanno la scelta praticamente in contemporanea con gli stimoli che ricevono dall’ambiente.
Fonte:
- The geometry of decision-making in individuals and collectives. Vivek H. Sridhar, Liang Li, Dan Gorbonos, Máté Nagy, Bianca R. Schell, Timothy Sorochkin, Nir S. Gov and Iain D. Couzin. PNAS (2021). DOI.