I robot addestrati con una ricompensa interna legata alla curiosità imparano compiti linguistici in circa la metà del tempo rispetto ai sistemi convenzionali. Lo dimostra uno studio del gruppo di Cognitive Neurorobotics dell'Okinawa Institute of Science and Technology (OIST), pubblicato il 23 luglio 2026 su Science Advances a firma di Theodore Tinker, Kenji Doya e Jun Tani.
Come funziona la rete Pv-Rnn con ricompensa alla curiosità
L'esperimento parte da un agente virtuale dotato di una rete neurale chiamata Pv-Rnn (Predictive-Coding-inspired Variational Recurrent Neural Network), un'architettura ispirata al cervello umano che integra tre input sensoriali: visione, propriocezione e istruzioni linguistiche. La rete apprende prevedendo cosa succederà un attimo dopo un'azione o un suono, e aggiornando le proprie convinzioni interne quando la previsione si rivela sbagliata.
Sul modello Pv-Rnn i ricercatori hanno innestato un apprendimento per rinforzo con due tipi di ricompensa: una esterna, legata al completamento del compito assegnato (per esempio "spingi il cubo rosso"), e una interna, che premia l'esplorazione di situazioni nuove, cioè la curiosità. Nessuno ha mai detto al robot di comportarsi come un bambino, ma un gioco spontaneo alimentato dall'esplorazione è emerso dall'addestramento. Anche dopo aver padroneggiato i compiti, i robot curiosi continuavano a ribaltare oggetti senza istruzione esplicita, un comportamento che gli autori descrivono come play-like.
Dal 25% all'85% di generalizzazione aumentando le combinazioni
Il dato tecnico più rilevante non è la velocità in sé, ma il modo in cui la capacità di generalizzare cresce con la scala dei dati. Addestrato su 48 combinazioni linguistiche, l'agente generalizza correttamente nel 25% dei casi. Portando le combinazioni a 180, la generalizzazione arriva all'85%, una crescita di quasi 3,5 volte con appena il quadruplo dei dati di addestramento.
È l'opposto della logica dei modelli linguistici di grandi dimensioni (LLM), che richiedono trilioni di parametri e dataset colossali per produrre risposte statisticamente probabili. La Pv-Rnn mantiene invece un sistema di convinzioni stabile e lo aggiorna solo quando la realtà smentisce la previsione, apprendendo con dati piccoli e potenza di calcolo ridotta invece che con la forza bruta. È un filone parallelo a quello dell'hardware quantistico sperimentale, dove i ricercatori cercano di ridurre la complessità fisica dei sistemi, come nel caso del primo motore quantistico su chip che riduce i cavi dei qubit.
La curva a U dell'apprendimento infantile, replicata dal robot
La replica dell'apprendimento umano non riguarda solo la velocità. Nella gestione delle eccezioni grammaticali le prestazioni dell'agente seguono la stessa curva a U osservata nei bambini: quando il vocabolario è limitato, la rete replica correttamente il linguaggio come blocchi memorizzati. Non appena inizia ad astrarre le regole sottostanti (per esempio le coniugazioni verbali), le prestazioni crollano perché il sistema applica la regola generale anche alle forme irregolari. Una volta imparate le eccezioni, le prestazioni tornano a salire.
Per la robotica cognitiva significa che un agente addestrato a esplorare, e non solo a eseguire, sviluppa una traiettoria di errore simile a quella umana. Il gruppo di Jun Tani a Okinawa lavora su questa linea da anni, in continuità con altri filoni della ricerca fondamentale che stanno ridisegnando il quadro teorico, dalla fisica delle particelle alla dinamica galattica: si va dai test di HL-LHC superati dai 17 circuiti INFN di Milano e Genova alle nuove ricostruzioni astronomiche, come quella che mostra il disco della Via Lattea ribaltato di oltre 90 gradi dopo Gaia-Enceladus.
Il preprint dello studio è disponibile su arXiv dall'ottobre 2025 con versione aggiornata a giugno 2026. Il gruppo di Tani punta ora a estendere il paradigma della curiosità intrinseca a compiti motori più complessi, dove il rapporto tra dati necessari e generalizzazione ottenuta diventa il vero indicatore di efficienza dei sistemi cognitivi artificiali.
Domande frequenti
In che modo la curiosità influisce sull'apprendimento dei robot Pv-Rnn?
La curiosità, implementata come ricompensa interna, consente ai robot Pv-Rnn di apprendere compiti linguistici in circa la metà del tempo rispetto ai sistemi convenzionali, incentivando l'esplorazione e la scoperta autonoma di nuove situazioni.
Come funziona l'architettura Pv-Rnn nel contesto dell'apprendimento linguistico?
La rete Pv-Rnn integra input visivi, propriocettivi e istruzioni linguistiche, apprende prevedendo gli esiti delle azioni e aggiorna le proprie convinzioni quando la realtà smentisce le previsioni, favorendo così un apprendimento adattivo e flessibile.
Qual è la differenza tra l'approccio Pv-Rnn e i modelli linguistici di grandi dimensioni (LLM)?
A differenza degli LLM che richiedono enormi quantità di dati e parametri, la Pv-Rnn apprende efficacemente con pochi dati e potenza computazionale ridotta, aggiornando il proprio sistema di convinzioni solo quando necessario.
Come si comportano i robot Pv-Rnn nella gestione delle eccezioni grammaticali?
I robot Pv-Rnn replicano la curva a U osservata nei bambini: inizialmente memorizzano le regole, poi generalizzano causando errori sulle eccezioni, e infine migliorano una volta assimilate anche le forme irregolari.
Quanto migliora la capacità di generalizzazione dei robot aumentando le combinazioni linguistiche di addestramento?
Aumentando le combinazioni linguistiche da 48 a 180, la capacità di generalizzazione cresce dal 25% all'85%, dimostrando una notevole efficienza nell'apprendimento con un aumento relativamente contenuto dei dati.
Quali sono le prospettive future della ricerca sul paradigma della curiosità nei robot?
Il gruppo di ricerca intende applicare il paradigma della curiosità intrinseca a compiti motori più complessi, per valutare come il rapporto tra dati necessari e capacità di generalizzazione possa migliorare l'efficienza dei sistemi cognitivi artificiali.
