Come i tangram svelano i segreti della nostra vista?

Il nostro cervello è un vero mago della vista: riesce a riconoscere migliaia di oggetti, anche quando sono molto astratti. Per studiare questo potere, gli scienziati hanno creato un nuovo “paradigma dei tangram”, una serie di forme geometriche che possono essere combinate in tantissimi modi. Ogni tangram è stato analizzato per tre dimensioni chiave: se rappresenta qualcosa di vivo (animazione), quanto è astratto e quante piccole caratteristiche contiene.

Con questi dati, i ricercatori hanno costruito un modello gerarchico che descrive come il cervello organizza le informazioni visive. Hanno poi mostrato 85 immagini di tangram a 24 volontari, registrando l’attività cerebrale con l’elettroencefalogramma (EEG). I risultati mostrano che le tre dimensioni vengono elaborate in momenti diversi: prima il cervello distingue se l’oggetto è animato o no, poi valuta il livello di astrazione e infine analizza i dettagli più minuti.

Analisi più avanzate, come la “similarità rappresentazionale” e la “generalizzazione temporale”, hanno rivelato che nei momenti di “cambio di idea” il cervello può attivare o inibire il processamento dei dettagli locali. In pratica, il nostro sistema visivo passa da una visione globale a una più fine, a seconda di cosa è più utile in quel momento. Questo studio dimostra che i tangram, grazie alla loro struttura flessibile, sono uno strumento potente per esplorare le fasi dinamiche della cognizione visiva umana.

Il paradigma dei tangram introdotto in questo studio si basa su un approccio di codifica cognitivo‑associativa, che consente di mappare formalmente le relazioni tra attributi visivi e categorie semantiche. In pratica, ogni tangram è rappresentato come un vettore multidimensionale in cui le componenti corrispondono a variabili come animazione (valore binario), livello di astrazione (scala continua) e densità di caratteristiche locali (numero di angoli o linee). Questa rappresentazione consente di calcolare matrici di similarità tra stimoli mediante metriche euclidee o di coseno, facilitando l’applicazione di tecniche di Representational Similarity Analysis (RSA).

L’EEG, con la sua risoluzione temporale millisecondica, ha permesso di tracciare l’evoluzione dinamica delle rappresentazioni neurali. I dati hanno mostrato una prima ondata di attività (circa 100‑150 ms) correlata all’animazione, tipica delle aree occipito‑temporali coinvolte nel riconoscimento di forme biologiche. Una seconda ondata (200‑300 ms) ha riflesso il processamento dell’astrazione, coinvolgendo regioni parietali e prefrontali associate al ragionamento astratto. Infine, tra 300‑500 ms, è emersa una risposta legata alla densità di caratteristiche locali, con coinvolgimento della corteccia visiva primaria e secondaria.

Le analisi di generalizzazione temporale hanno rivelato che le rappresentazioni di livello più alto (astrazione) possono ri‑emergere in fasi successive, suggerendo un meccanismo di “cambio di mente” in cui il cervello ricalibra l’attenzione da una codifica globale a una più dettagliata. Questo fenomeno è coerente con modelli di attenzione top‑down, dove le aree prefrontali modulano l’attività delle regioni sensoriali in base al contesto cognitivo. Il paradigma dei tangram, grazie alla sua capacità di manipolare in modo controllato più dimensioni simultaneamente, offre una piattaforma ideale per testare ipotesi su come il cervello integri e riorganizzi le informazioni visive in tempo reale. Inoltre, la disponibilità di un dataset pubblico di oltre 900 tangram permette di replicare e ampliare gli esperimenti, favorendo la standardizzazione delle misure neuro‑cognitive in questo ambito.