Edoardo Capuano

Nonostante i panda giganti discendano dai carnivori, sono erbivori estremamente specializzati che si cibano quasi esclusivamente di bambù altamente fibroso.

Una nuova ricerca suggerisce che questo passaggio a una dieta vegetariana ristretta non è stato un salto evolutivo così grande come potrebbe sembrare.

I ricercatori dell'Università di Sydney e dell'Accademia cinese delle scienze hanno utilizzato un approccio chiamato geometria nutrizionale - che considera come le miscele di nutrienti e di altri componenti alimentari influenzano la salute e la malattia, piuttosto che concentrarsi su qualsiasi sostanza nutritiva in isolamento - per valutare il mix macronutriente della dieta del panda gigante.

“Questo studio, Pubblicato in Current Biology, (1) dimostra l'importanza di considerare sia gli alimenti che i nutrienti nella comprensione dell'ecologia evolutiva degli animali - esattamente ciò che la geometria nutrizionale è progettata per fare”, ha affermato il professor David Raubenheimer (2) del Charles Perkins Center dell'Università e della Scuola di vita e scienze ambientali dell'Università di Sydney.

Malgrado l'alimentazione a base vegetale, il contenuto di proteine e carboidrati della dieta dei panda giganti sembra più simile a quello di un ipercarnivoro - animali che ottengono più del 70 percento della loro dieta da altri animali. Circa il 50 percento dell'apporto energetico del panda si presenta sotto forma di proteine, all'incirca come quello dei gatti e dei lupi selvatici. Anche la composizione macronutriente del latte del panda è simile ad altri carnivori.

Il laboratorio DiCarlo rileva che un'architettura ricorrente aiuta sia l'intelligenza artificiale che il nostro cervello a identificare meglio gli oggetti.

La capacità di ogni persona nel riconoscere oggetti è notevole. Se si vede una tazza sotto un'illuminazione insolita o da direzioni inaspettate, ci sono buone probabilità che il proprio cervello continui a calcolare che si tratta di una tazza. Tale riconoscimento preciso dell'oggetto è un 'santo graal' per gli sviluppatori di intelligenza artificiale, come gli scienziati che si occupano di migliorare la navigazione delle auto con guida autonoma.

Anche se la modellazione del riconoscimento degli oggetti principali nella corteccia visiva ha rivoluzionato i sistemi di riconoscimento visivo artificiale, gli attuali sistemi di apprendimento profondo sono semplificati e non riescono a distinguere alcuni oggetti la cui identificazione risulta essere molto intuitiva sia per i primati che per gli umani.

Nelle scoperte pubblicate su Nature Neuroscience, l'investigatore dell'Istituto McGovern James DiCarlo (1), assieme ai suoi colleghi, ha identificato prove che il feedback migliora il riconoscimento di oggetti difficili da riconoscere nel cervello dei primati e che l'aggiunta di circuiti di feedback migliora anche le prestazioni dei sistemi di reti neurali artificiali utilizzati per la visione di applicazioni.

Le reti neurali convoluzionali (2) profonde (DCNN) sono attualmente i modelli di maggior successo per il riconoscimento accurato di oggetti in tempi rapidi (meno di 100 millisecondi) e hanno un'architettura generale ispirata al flusso visivo delle regioni corticali che progressivamente costruiscono una rappresentazione accessibile e raffinata di oggetti visualizzati. La maggior parte dei DCNN sono tuttavia semplici rispetto al flusso del primate.

I nuovi robot sono stati progettati con materiali resistenti in maniera che possano operare in zone disastrate a scopi umanitari.

I nuovi robot a forma di pallone da calcio, creati dagli ingegneri della University of California, Berkeley e del Squishy Robotics, (1) sono costruiti con materiali particolarmente resistenti. Con queste strutture, essi possono cadere da un'altezza di quasi 200 metri senza subire alcun danno al proprio châssis. Costruiti con una rete di aste, collegate da cavi di contrazione, possono anche cambiare forma per strisciare da un punto all'altro.

Dotare i robot di sensori e lasciarli cadere in zone disastrate potrebbe fornire ai primi soccorritori preziose informazioni sulle condizioni dell'area, come la presenza di gas velenoso, afferma la professoressa di ingegneria meccanica della University of California, Berkeley, Alice M. Agogino. (2)

"I nostri robot, dotati di sensori, sono progettati per strutture mobili facilmente implementabili. Questi automi sono progettati per salvare vite umane, ridurre costi, rischi e aumentare l'efficacia della risposta alle emergenze", afferma la dottoressa Alice M. Agogino. "Essi possono facilmente operare in una zona disastrata e fornire informazioni salvavita ai soccorritori. Hanno anche la capacità di lavorare sul campo come co-robots assieme ai loro partner umani".