Un gruppo di ricerca dell'Okinawa Institute of Science and Technology (OIST) ha dimostrato che robot addestrati con una ricompensa interna legata alla curiosità apprendono compiti linguistici in tempi sensibilmente ridotti rispetto ai metodi tradizionali. Lo studio, firmato da Theodore Tinker, Kenji Doya e Jun Tani, è stato pubblicato il 23 luglio 2026 su Science Advances.
Un'architettura ispirata al cervello
L'esperimento si è svolto su un agente virtuale che integra una rete neurale ricorrente denominata Pv-Rnn (Predictive-Coding-inspired Variational Recurrent Neural Network). La rete prende in input tre canali sensoriali — visione, propriocezione e istruzioni linguistiche — e apprende prevedendo istante per istante gli esiti delle proprie azioni o suoni. Quando la previsione risulta errata, la rete aggiorna le sue convinzioni interne.
Curiosità come ricompensa interna
Sul modello Pv-Rnn i ricercatori hanno applicato un approccio di apprendimento per rinforzo con due forme di ricompensa:
- una ricompensa esterna, legata al completamento del compito assegnato (ad esempio «spingi il cubo rosso»);
- una ricompensa interna, che premia l'esplorazione di situazioni nuove, cioè la curiosità dell'agente.
Il risultato più evidente non è solo una maggiore rapidità nell'apprendimento, ma un cambiamento nella dinamica di generalizzazione: gli agenti curiosi hanno mostrato una capacità superiore di applicare quanto appreso a combinazioni nuove di input linguistici e sensoriali.
Numeri chiave e confronto
Secondo i dati pubblicati, l'addestramento con ricompensa di curiosità ha permesso di ottenere:
- tempi d'apprendimento ridotti di circa la metà rispetto ai sistemi convenzionali;
- un aumento significativo della capacità di generalizzazione al crescere del numero di combinazioni di addestramento.
In particolare, il tasso di generalizzazione è passato dal 25% quando la rete era addestrata su 48 combinazioni, fino all'85% con 180 combinazioni, un aumento di quasi 3,5 volte con circa il quadruplo dei dati di addestramento. Il dato è rilevante perché suggerisce una scala di crescita più efficiente rispetto all'approccio dei grandi modelli linguistici che si basano su set di dati e parametri estremamente vasti.
| Combinazioni di addestramento | Tasso di generalizzazione |
|---|---|
| 48 | 25% |
| 180 | 85% |
"un comportamento che gli autori descrivono come play-like"
Gli autori osservano che, benché non istruiti a emulare comportamenti infantili, gli agenti dotati di curiosità hanno manifestato attività spontanee di esplorazione e gioco, come il ribaltare oggetti anche dopo aver padroneggiato i compiti assegnati.
Implicazioni e limiti
Lo studio apre questioni interessanti sia per la ricerca di base sia per applicazioni pratiche. Un sistema che integra meccanismi di curiosità interna può risultare più efficiente in termini di dati e potenzialmente più adattabile a contesti nuovi. Questo contrasta con la moda dominante dei grandi modelli linguistici (LLM), che raggiungono performance elevatissime grazie a dataset e parametri di scala enorme.
Tuttavia, i risultati si basano su agenti virtuali e su definizioni specifiche di compiti e ricompense; la traduzione diretta in robot fisici e in applicazioni real world richiederà ulteriori sperimentazioni. Inoltre, rimangono aperte questioni su come calibrare la ricompensa interna per evitare comportamenti esplorativi non desiderati in contesti operativi sensibili.
In sintesi, la ricerca dell'OIST mostra che introdurre una ricompensa legata alla curiosità in reti ispirate al coding predittivo può ridurre i tempi di apprendimento e migliorare la generalizzazione con un aumento relativamente contenuto dei dati di addestramento, proponendo una via alternativa e complementare ai paradigmi dominanti del deep learning.