Cellule nervose coltivate in lab controllano un videogioco cult
Cellule nervose cresciute in laboratorio riescono a controllare il leggendario sparatutto Doom, reagendo alle minacce virtuali quasi come farebbe un cervello reale. Questo esperimento apparentemente bizzarro potrebbe trasformare sia la medicina che il modo in cui costruiamo i computer del futuro.
Sembra la trama di un film di fantascienza, eppure è un esperimento reale condotto da due società di ricerca. Piccoli "cervelli" collegati a circuiti elettronici hanno padroneggiato le basi del movimento, della mira e dello sparo nel giro di pochi giorni. Un test apparentemente stravagante che potrebbe rivoluzionare non solo la medicina, ma anche l'architettura dei computer di prossima generazione.
Perché proprio Doom? Una prova storica anche per i neuroni
Dagli anni Novanta, Doom è molto più di un semplice videogioco. Gli ingegneri lo hanno già fatto girare su calcolatrici, sportelli bancari e persino su test di gravidanza, usandolo come prova informale per verificare se un determinato hardware riesca a gestire grafica, movimento e reazione ai comandi in tempo reale.
Per i ricercatori, questo leggendario sparatutto funziona come una lente di ingrandimento: consente di osservare come i neuroni vivi imparano, rispondono agli stimoli e costruiscono strategie in un ambiente complesso. Ora la stessa prova è arrivata nei laboratori biologici.
L'azienda australiana Cortical Labs e quella svizzera FinalSpark hanno deciso di scoprire se i neuroni umani coltivati in condizioni speciali siano in grado di imparare a controllare un personaggio nel gioco senza alcuna programmazione tradizionale. Doom richiede il monitoraggio simultaneo dell'ambiente, il riconoscimento delle minacce, la presa di decisioni e il movimento nello spazio — esattamente le stesse sfide poste alle reti neurali artificiali, con la differenza che qui a farlo sono vere cellule nervose biologiche.
Come funziona il bioprocessore con 200.000 neuroni su chip
Il sistema CL1 di Cortical Labs unisce due mondi: quello biologico e quello elettronico. I ricercatori hanno prelevato circa 200.000 neuroni umani derivati da cellule staminali e li hanno posizionati su un substrato di silicio equipaggiato con 22.000 microelettrodi.
Questi elettrodi microscopici svolgono due funzioni: registrano l'attività elettrica delle cellule e iniettano segnali che rappresentano ciò che accade nel gioco. La posizione del nemico, le pareti del labirinto, il movimento del personaggio — tutto viene convertito in schemi di impulsi elettrici. I neuroni quindi "vedono" Doom non come un'immagine sullo schermo, ma come un flusso mutevole di stimoli, e rispondono con una propria attività che l'elettronica traduce in movimenti, svolte e spari.
Il meccanismo di apprendimento ricorda da vicino ciò che avviene nel nostro sistema nervoso. Quando il "cervello su chip" compie un'azione che prolunga la vita del personaggio — schivare un proiettile o neutralizzare efficacemente un avversario — riceve una "ricompensa" sotto forma di uno specifico schema di stimolazione elettrica. In caso di sconfitta, il segnale è meno favorevole. Questo ciclo di feedback rafforza le connessioni legate alle azioni vincenti e indebolisce quelle che portano al fallimento, in modo analogo a come la dopamina agisce nel cervello naturale.
Imparare in cinque giorni grazie a ricompensa, punizione e plasticità neurale
Dopo alcuni giorni di esperimento, la coltura neuronale ha iniziato a navigare nei corridoi in modo molto più efficace, a evitare ostacoli e ad attaccare gli avversari con maggiore precisione. Senza una sola riga di codice tradizionale e senza il classico addestramento delle reti neurali, il sistema biologico ha elaborato autonomamente una strategia di gioco.
I ricercatori di Cortical Labs hanno osservato come i neuroni ottimizzassero progressivamente le proprie risposte. Il processo di apprendimento si è svolto più rapidamente rispetto ai classici algoritmi di intelligenza artificiale. Mentre i modelli AI complessi che eccellono nei videogiochi richiedono solitamente milioni di iterazioni, potenti server farm e processori grafici specializzati, i bioprocessori hanno raggiunto risultati comparabili con migliaia di cicli, non milioni.
I neuroni lavorano in parallelo, in modo distribuito, e ogni cellula contribuisce all'elaborazione delle informazioni. Questa architettura è stata sviluppata dalla natura molto prima dei computer e continua a superarli in termini di efficienza. Una rete neuronale biologica consuma quantità microscopiche di energia pur riuscendo a svolgere compiti che l'elettronica classica affronta con un intero arsenale di potenza di calcolo.
I mini-cervelli tridimensionali di FinalSpark giocano anch'essi a Doom
FinalSpark ha seguito una direzione tecnica diversa. Invece di uno strato piatto di cellule, l'azienda utilizza i cosiddetti organoidi cerebrali — aggregati tridimensionali di tessuto nervoso che, su scala ridotta, ricordano le strutture del cervello reale. Ogni mini-organo contiene circa 10.000 cellule strettamente interconnesse.
Anche gli organoidi collegati a circuiti elettronici ricevono segnali dal gioco e generano risposte interpretate come movimenti e reazioni in Doom. Secondo quanto riportato dai ricercatori, già dopo meno di una settimana gli organoidi hanno iniziato a distinguere le situazioni che minacciavano la "vita" del personaggio da quelle relativamente sicure, sviluppando semplici strategie per evitare le zone pericolose e rispondere agli attacchi.
La differenza nel consumo energetico è drastica. Un grande data center che addestra sistemi AI può consumare megawatt costanti di energia, con enormi costi finanziari, ambientali e infrastrutturali. Il sistema CL1 di Cortical Labs funziona con un consumo inferiore a un microwatt per neurone, offrendo fino a un milione di volte maggiore efficienza energetica rispetto a una GPU comparabile.
Efficienza energetica: bioprocessori contro i data center per l'intelligenza artificiale
Il segreto risiede nella fisiologia: i neuroni lavorano in modo elettrochimico, sfruttando il movimento degli ioni invece del flusso di elettroni attraverso transistor che si surriscaldano. Per le aziende che sviluppano AI, questa è la visione di soluzioni future che non richiedono gigantesche server farm per analizzare dati sensoriali complessi.
Il confronto è netto:
- Data center AI: consumo a livello di megawatt, necessità di raffreddamento, elevata impronta carbonica
- Bioprocessore neuronale: microwatt per unità, nessun raffreddamento intensivo, carico energetico nettamente inferiore
- GPU tradizionale: miliardi di transistor, elevate perdite termiche, infrastruttura complessa
- Neuroni vivi: comunicazione elettrochimica, perdite termiche minime, parallelizzazione naturale
- Server AI: milioni di iterazioni per l'apprendimento, lunghi cicli di addestramento
- Reti biologiche: migliaia di tentativi, rapida adattabilità, feedback efficiente
- Chip tradizionali: elaborazione lineare dei dati, architettura rigida
- Colture neuronali: elaborazione distribuita, auto-organizzazione, struttura flessibile
Un nuovo strumento per la medicina: testare i farmaci su neuroni umani
Le applicazioni mediche sono quelle più vicine a un uso pratico concreto. FinalSpark offre già il proprio sistema ai laboratori farmaceutici. Invece di testare nuove sostanze sugli animali, i ricercatori possono verificarne gli effetti direttamente su neuroni umani in forma di organoidi.
Questo approccio porta con sé diversi potenziali vantaggi: una maggiore corrispondenza delle reazioni con ciò che avviene successivamente nel cervello umano, la possibilità di trovare più rapidamente terapie per le malattie neurodegenerative e una progressiva riduzione del numero di animali impiegati nella ricerca.
In futuro sarà possibile creare organoidi dalle cellule di un paziente specifico. Un tale "avatar biologico" permetterà di capire come l'organismo reagirà a un farmaco prima ancora che questo entri nel flusso sanguigno di quella persona. I mini-cervelli personalizzati potrebbero diventare laboratori in cui i medici sperimentano diverse terapie minimizzando il rischio di effetti collaterali.
Sfide aperte: sopravvivenza, scalabilità ed etica dei mini-cervelli
I ricercatori di FinalSpark e Cortical Labs sottolineano che la tecnologia è ancora ai suoi albori. Gli organoidi sopravvivono in condizioni di laboratorio solo per alcuni mesi. Richiedono un ambiente sterile, temperatura controllata, una composizione precisa del mezzo nutritivo e cure costanti.
Non è ancora chiaro se questi bioprocessori possano essere scalati al punto da sostituire realmente una parte significativa dei server tradizionali. Nessuno è inoltre in grado di stabilire a quale livello di complessità comportamentale di queste strutture emergeranno le questioni legate al loro status etico.
Parte dei ricercatori si pone già oggi domande scomode: se i mini-cervelli diventeranno sempre più abili nell'elaborare informazioni e prendere decisioni, sarà necessario stabilire un confine oltre il quale non potranno essere utilizzati come "componenti" di computer? Il test di scenari estremi — anche solo nei videogiochi — è davvero moralmente neutro?
Cosa significano questi esperimenti per il futuro dell'AI e del nostro cervello
Il progetto Doom su neuroni vivi dimostra che l'"hardware computazionale" più avanzato lo portiamo ancora nel cranio. Le reti neurali artificiali cercano soltanto di imitarne il funzionamento, ma la biologia continua a vincere in termini di flessibilità, risparmio energetico e capacità di affrontare ambienti imprevedibili.
È possibile che nei prossimi anni vedremo sistemi ibridi in cui i processori classici eseguono calcoli precisi e ripetibili, mentre i bioprocessori ricevono i compiti che richiedono intuizione, adattamento e lavoro con dati incompleti. Una tale collaborazione potrebbe accelerare il progresso nella robotica, nelle interfacce cervello-macchina e nell'analisi di dati medici complessi.
Per l'utente medio di computer, tutta questa storia con Doom suona come una curiosità al confine tra giochi e scienza. In realtà, è la prima avvisaglia di un cambiamento radicale nel modo di concepire cosa sia un "computer". Invece di aggiungere altri miliardi di transistor, potremmo iniziare a pensare a sistemi in cui componenti artificiali e biologici collaborano — a vantaggio di noi come pazienti, utenti di tecnologia e esseri umani che cercano di capire meglio il proprio cervello.
