In un data center, da qualche parte nel mondo, le ventole hanno alzato la voce per far camminare un quadrupede su un pavimento liscio. Energia bruciata: parecchia. Nello stesso momento, dall’altra parte del pianeta, un pugno di neuroni umani coltivati sopra un chip spinge un cane robot verso un bersaglio disegnato su una mappa molto semplice.
Due modi di risolvere lo stesso problema. Uno costa come un piccolo quartiere, l’altro sta in una capsula tiepida.
L’esperimento arriva da Cortical Labs, azienda australiana che da anni insiste su un’idea che a molti sembrava una provocazione da conferenza: usare cellule nervose vive come substrato di calcolo invece dei transistor. Qui i neuroni non sono stati coltivati altrove e poi appoggiati sull’hardware, ma fatti crescere direttamente sul chip, che è equipaggiato con elettrodi capaci di mandare e ricevere segnali elettrici in entrambe le direzioni. Da quel dialogo bidirezionale, come raccontato nella descrizione della dimostrazione, nasce il movimento del robot.
Cosa fa esattamente questo cane
Poco, se misurato con il metro dei video di robotica che girano ogni settimana. Il quadrupede si orienta verso un obiettivo su una mappa semplice, guidato dall’attività di un gruppo ristretto di cellule. Niente parkour, niente backflip, niente carrelli spinti in magazzino.
Più della prestazione conta la catena di passaggi che la produce. Un segnale elettrico parte dagli elettrodi, entra nel tessuto vivo, viene rielaborato da una struttura che nessuno ha programmato riga per riga, torna indietro e diventa una zampa che si muove. È lo stesso tipo di passaggio che abbiamo visto in altri ibridi recenti, come i robot biologici dotati di un sistema nervoso rudimentale, solo che qui la parte vivente non è muscolo o tessuto animale generico: sono cellule nervose umane.
La promessa dichiarata è doppia. Efficienza energetica, anzitutto: il cervello umano lavora con una potenza nell’ordine dei 20 watt, meno di una lampadina vecchio stile, mentre addestrare un modello di intelligenza artificiale di taglia media richiede impianti che si misurano in megawatt. E poi adattabilità, cioè la capacità di cavarsela davanti a situazioni mai viste prima, dove i sistemi convenzionali tendono a impuntarsi come muli.
La mappa semplice e l’ignoto, nella stessa pagina
Qui le due affermazioni che accompagnano l’annuncio cominciano a guardarsi storto. La prima dice che il vantaggio dei neuroni sul silicio sta proprio nel gestire l’unfamiliar, l’imprevisto, la situazione fuori dal manuale. La seconda descrive una dimostrazione in cui il robot raggiunge un bersaglio su una mappa esplicitamente definita semplice.
Più che una contraddizione logica, siamo davanti a una distanza. La qualità che si rivendica come decisiva è esattamente quella che il test non mette alla prova. Succede spesso nelle fasi iniziali, succede a tutti, però vale la pena annotarlo prima che la frase sull’adattabilità venga ripetuta abbastanza volte da diventare un risultato acquisito.
C’è poi la questione del conto energetico, che nessuno fa mai per intero. I 20 watt del cervello sono veri, ma un cervello vive dentro un corpo che lo scalda, lo nutre, lo pulisce e lo tiene a temperatura con una precisione ridicola. Una coltura di neuroni su chip quel corpo non ce l’ha: glielo si costruisce attorno con incubatori, pompe, controlli di sterilità e terreni di coltura da cambiare, e tutta quella infrastruttura consuma corrente e ore di lavoro umano che non finiscono mai nel confronto con la GPU.
Perché i neuroni umani piacciono tanto agli ingegneri
Perché imparano senza che nessuno scriva il codice dell’apprendimento. È il motivo per cui questa linea di ricerca attira soldi e attenzione da ambiti molto diversi, dalla farmacologia alla robotica mobile, dove da anni si rincorre la stessa cosa per altre strade: un rover che impara da solo a non impantanarsi nella sabbia risolve con l’algoritmo un problema che un sistema biologico affronterebbe per costituzione.
Il filone è lo stesso che sta spingendo altri gruppi a dare ai robot qualcosa di simile alla propriocezione e perfino ai nervi artificiali capaci di segnalare il danno. Da una parte si imita il vivente con materiali sintetici, dall’altra lo si prende e lo si collega. Cortical Labs ha scelto la seconda, che è la più scomoda sul piano pratico e la più interessante sul piano delle domande.
Perché a un certo punto qualcuno chiederà fino a dove si può crescere, e la risposta oggi non esiste in forma regolamentare. Un gruppo di cellule su una piastra non è nessuno. Un gruppo di cellule che guida un corpo, percepisce un bersaglio e corregge la rotta somiglia molto di più a qualcosa di cui, prima o poi, dovremo decidere lo statuto.
Quanta strada separa la piastra dal cantiere
Forchetta realistica: 8-15 anni prima di vedere un chip biologico fuori da un laboratorio, se mai ci arriverà.
Ostacoli concreti: le colture vive hanno una durata limitata e vanno rigenerate. Servono sterilità e temperatura costanti, cioè un apparato di supporto che pesa più del chip. E manca del tutto un quadro normativo per i tessuti nervosi umani usati come componenti.
Chi ne approfitta prima: non la robotica, ma la ricerca farmacologica, che può testare molecole su tessuto nervoso umano senza animali.
Il dettaglio che ridimensiona: la dimostrazione australiana usa un gruppo ristretto di cellule su una mappa semplice. Un cervello umano ne ha circa 86 miliardi.
Resto comunque con la sensazione che questa cosa non andrà dove la raccontano. Non diventerà il processore del vostro telefono, probabilmente non guiderà mai un magazzino automatizzato. Servirà a capire come funzioniamo noi, che è un obiettivo meno vendibile e infinitamente più utile. Diceva Niels Bohr che il cervello è l’organo con cui pensiamo di pensare, e aveva ragione pure se la frase era di qualcun altro: quel cane che cammina mosso da neuroni umani è il modo più letterale che abbiamo trovato per verificarlo.
