In una sorprendente dimostrazione di tecnologia emergente, l’azienda biotecnologica australiana Cortical Labs ha addestrato con successo una rete di 200.000 neuroni umani viventi cresciuti su un chip di silicio per giocare al classico sparatutto in prima persona Doom. L’esperimento, catturato in un recente video, mostra il personaggio controllato dai neuroni che naviga nei livelli, incontra nemici e spara con armi, anche se in modo goffo. Questa non è solo una novità; rappresenta un passo significativo verso lo sfruttamento dei sistemi biologici per il calcolo, con implicazioni che vanno ben oltre il gioco.
L’ascesa dei computer “vivi”.
L’innovazione principale risiede nella capacità dei neuroni di “apprendimento adattivo, diretto agli obiettivi in tempo reale”, come descritto dal direttore scientifico di Cortical Labs, Brett Kagan. Ciò significa che le cellule non reagiscono semplicemente agli stimoli; si stanno adattando attivamente per raggiungere gli obiettivi in un ambiente dinamico. Le implicazioni sono sostanziali, soprattutto se si considera la crescente domanda energetica dell’intelligenza artificiale (AI) tradizionale. Anche se i neuroni non sostituiranno completamente i microchip, offrono un approccio potenzialmente molto più efficiente a determinati calcoli. Studiare il loro funzionamento potrebbe rivoluzionare i metodi informatici e accelerare i test neurologici sui farmaci.
Raccolta e sostegno dei trasformatori biologici
Cortical Labs non estrae i neuroni direttamente dal cervello. Utilizzano invece cellule facilmente accessibili provenienti da campioni di sangue o pelle, convertendole in cellule staminali e quindi in una fornitura indefinita di cellule neurali. Queste cellule sono ospitate in sistemi di supporto vitale autonomi in grado di mantenere la vitalità fino a sei mesi. L’interfaccia di comunicazione è diretta: l’elettricità. Le cellule cerebrali generano impulsi elettrici quando sono attive e il sistema ricambia, creando un dialogo biologico-silicio.
Il principio dell’energia libera e la motivazione dei neuroni
La chiave per far sì che i neuroni eseguano compiti non è la coercizione, ma la previsione. Cortical Labs ha sfruttato il “principio dell’energia libera” sviluppato dal neuroscienziato Karl Friston, secondo il quale i sistemi neurali si sforzano di prevedere il loro ambiente. Il caos è una punizione; l’ordine è una ricompensa. Il team ha creato un circuito di feedback in cui segnali imprevedibili (rumore casuale) penalizzavano le mosse errate, mentre segnali strutturati e prevedibili rafforzavano le azioni corrette. Questo semplice sistema ha addestrato efficacemente i neuroni ad apprendere.
Da Pong a Doom: scalare la complessità
Nel 2022, Cortical Labs ha dimostrato che i neuroni sui chip potrebbero imparare a giocare a Pong in pochi minuti. Doom, tuttavia, presenta una sfida molto più grande. Il complesso ambiente del gioco con corridoi, nemici e navigazione tridimensionale richiede un livello più elevato di elaborazione cognitiva. Per superare questo problema, Cortical Labs ha collaborato con l’Università di Stanford in un hackathon, accoppiando i neuroni con un algoritmo di apprendimento standard. Il sistema ibrido ha sovraperformato il solo algoritmo, dimostrando che le cellule biologiche hanno contribuito al processo di apprendimento.
Applicazioni mediche e computazionali
La ricerca di Cortical Labs si concentra su due applicazioni principali. Innanzitutto, dal punto di vista medico: il 93-99% degli studi clinici neuropsichiatrici fallisce e i test sui farmaci nelle cellule cerebrali in una piastra spesso non replicano le condizioni del mondo reale. Kagan sostiene che i neuroni in un gioco o in un ambiente mondiale rispondono in modo diverso ai farmaci e manifestano le malattie in modo più accurato. In secondo luogo, computazionale: i neuroni rappresentano “il più potente sistema di elaborazione delle informazioni” conosciuto, possedendo una complessità che supera di gran lunga i sistemi basati sul silicio. I neuroni biologici hanno una complessità almeno del terzo ordine, capace di mantenere tre stati dinamici simultaneamente, mentre i transistor di silicio sono limitati a stati binari.
Efficienza energetica e futuro del bioinformatica
Ricercatori, come Feng Guo dell’Università dell’Indiana Bloomington, evidenziano il potenziale di enormi risparmi energetici. Il cervello umano funziona con soli 20 watt, rispetto ai milioni di watt necessari per sistemi di intelligenza artificiale equivalenti basati su silicio. Questa efficienza rende il bioinformatica un’area di sviluppo promettente.
Cortical Labs non pretende di sostituire completamente il calcolo al silicio. Offre “un nuovo strumento nella cassetta degli attrezzi dell’intelligence”.
Anche se i computer biologici non sostituiranno le calcolatrici tascabili per la matematica di base, eccellono in compiti che richiedono adattabilità e risoluzione di problemi del mondo reale, come spostarsi in una casa per preparare il tè, un compito con cui gli attuali algoritmi di intelligenza artificiale hanno difficoltà. Il campo è rapidamente progredito da un singolo gioco di Pong a una piattaforma commerciale con un’API e una dimostrazione di neuroni che inciampano attraverso Doom, imparando, anche se lentamente.
Il futuro dell’informatica potrebbe non essere interamente in silicio; potrebbe essere… vivo.
