Un tempo di integrazione finito può spostare la sensibilità ottimale lontano dalla criticità

Perché il tempo conta per decisioni nette

I nostri cervelli, i sensi e persino molti dispositivi artificiali affrontano la stessa sfida: devono individuare piccole differenze nel mondo e trasformarle in decisioni affidabili, spesso in una frazione di secondo. Un’idea popolare in fisica e neuroscienze è che tali sistemi funzionino al meglio quando si trovano proprio al limite di un cambiamento improvviso del loro comportamento, il cosiddetto punto critico. Questo studio pone una domanda semplice ma spesso trascurata: se si dispone solo di tempo limitato per osservare la risposta di un sistema, quel limite è davvero il posto migliore in cui operare?

Il punto ottimale non è sempre al limite

Gli autori studiano un modello semplificato di circuito simile a un cervello: una grande rete di unità pulsanti che si eccitano a vicenda in anello. Un piccolo sottoinsieme di unità riceve un segnale esterno, come l’intensità di un odore o di un suono, e un altro sottoinsieme fornisce l’uscita. Un’unità di lettura separata non reagisce istantaneamente; invece, media gli spike di uscita su una finestra temporale scelta, proprio come un secchio che perde lentamente acqua mentre si riempie. Due manopole controllano il sistema. Una regola quanto fortemente le unità si eccitano a vicenda, il che a sua volta stabilisce quanto la rete sia vicina a un punto critico dove l’attività esploderebbe o si spegnerebbe. L’altra imposta quanto tempo il lettore raccoglie gli spike prima di formulare un giudizio.

Quando più sensibilità genera più confusione

Vicino al punto critico, la rete diventa estremamente sensibile a piccole variazioni dell’input, cosa solitamente considerata vantaggiosa. Ma in questo regime anche l’attività fluttua intensamente e più lentamente nel tempo. Gli autori mostrano che questi tremori interni possono confondere il segnale se si osserva per un tempo breve. Per quantificarlo, definiscono quanto facilmente un osservatore ideale potrebbe distinguere due diverse intensità di input osservando soltanto l’output, e contano quante intensità distinte possono essere discriminate in modo affidabile mantenendo la probabilità di errore sotto una soglia scelta. Generalizzano quindi la classica misura di “gamma dinamica”, che descrive l’ampiezza di intensità di input che un sistema può codificare, in modo che tenga esplicitamente conto di queste fluttuazioni rumorose.

Osservatori con tempo limitato preferiscono reti più calme

Usando matematica esatta in due limiti estremi — lettura istantanea e media su tempi infinitamente lunghi — insieme a estese simulazioni al calcolatore per i casi intermedi, gli autori tracciano come le prestazioni di discriminazione dipendano sia dall’accoppiamento della rete sia dal tempo di lettura. Per ogni tempo di osservazione finito, trovano che la migliore prestazione non si verifica esattamente al punto critico. Al contrario, esiste un’impostazione ottimale “subcritica” in cui la rete è ancora sensibile ma le sue fluttuazioni sono più contenute, permettendo al lettore di costruire un quadro più chiaro nel tempo disponibile. Man mano che la finestra di integrazione si allunga, questo punto ottimale si avvicina alla criticità, perché il lettore ha abbastanza tempo per mediare le fluttuazioni selvagge e trarre vantaggio dalla sensibilità maggiore.

Implicazioni per cervelli e macchine

Questo compromesso tra sensibilità e affidabilità appare ogni volta che un sistema rumoroso con forti interazioni interne deve prendere decisioni rapidamente. Gli autori sostengono che i loro risultati aiutano a spiegare perché le misure dai cervelli reali mostrano scale temporali di elaborazione finite piuttosto che un comportamento perfettamente critico e infinitamente lento. Molte decisioni percettive negli animali avvengono in molto meno di un secondo, quindi reti che si posizionano leggermente lontano dalla criticità possono offrire un compromesso migliore tra velocità e accuratezza. I risultati suggeriscono anche regole di progettazione per sistemi artificiali, come reti neurali ricorrenti e dispositivi fisici di “reservoir computing”: se la lettura è quasi istantanea, la rete interna dovrebbe restare più lontana dalla criticità; se la lettura può integrare su periodi più lunghi, il dispositivo può essere tarato più vicino al limite per guadagnare sensibilità senza sacrificare l’affidabilità.

Trovare un equilibrio invece della perfezione

In termini quotidiani, lo studio mostra che “alzare la sensibilità al massimo” non è sempre saggio quando si deve decidere in fretta e affrontare il rumore. Per tempi di osservazione finiti esiste un punto ideale leggermente al di sotto dello stato più eccitabile, dove i segnali restano abbastanza forti da essere notati ma non così tremolanti da confondersi tra loro. Questo equilibrio tra essere reattivi ed essere affidabili può essere un principio generale su come sistemi viventi e artificiali si sintonizzano sulle esigenze dei compiti nel mondo reale.

Citazione: Azizpour, S., Priesemann, V., Zierenberg, J. et al. Finite integration time can shift optimal sensitivity away from criticality. Commun Phys 9, 119 (2026). https://doi.org/10.1038/s42005-026-02584-w

Parole chiave: criticità, reti neurali, gamma dinamica, elaborazione delle informazioni, tempo di integrazione