Secondo il maestro indiscusso del cinema mondiale, il regista David Lynch, l’elettricità è il mezzo attraverso cui viene composta la materia (ma anche la non-materia) oppure può essere il sistema per comunicare tra questo mondo e altri mondi paralleli. Insomma, l’electricity è alla base di tutta la vita umana.
Per le neuroscienze l’elettricità rappresenta il codice principale con cui parlano i nostri neuroni, ma essendo un fenomeno fisicamente complesso e difficilmente prevedibile si conosce ancora poco delle sue reali proprietà e funzioni.
Per questo motivo abbiamo bisogno di nuovi strumenti e di nuove forme di intelligenza per muoverci verso una nuova era di conoscenze.
In principio du Donald Hebb
Il grande psicologo Canadese già dal 1940 capì che per comprendere al meglio il funzionamento del comportamento umano era necessario tradurre o traslare le teorie postulate grazie alla materia biologica su qualcosa di molto più statico e facilmente manovrabile come la scheda madre di un computer o un sistema neurale fatto in silicio. In realtà Hebb teorizzò solo questo passaggio epocale, ma fu il suo discepolo, l’ingegnere Peter Milner (marito della più famosa Brenda Milner), che realizzò i primi prototipi di quello che prima veniva chiamato neural network theory, ma che oggi si chiama, invece, deep artificial neural network.
Reverse Engineering
La prima domanda che un lettore non esperto del settore potrebbe farsi è: perché c’è bisogno di creare un cervello sintetico? La risposta è alquanto disarmante: per un paradosso teorico la complessità stessa del cervello umano rende quasi impossibile teorizzare il suo funzionamento. Detta in altre parole, un essere umano non è abbastanza intelligente per capire come funziona il suo stesso cervello. Anche se potrebbe suonare come una provocazione, questo concetto rappresenta, purtroppo, la cruda realtà. Infatti, se sapessimo veramente come funziona lo ripareremmo, esattamente come facciamo per il rene, il femore o gli altri organi del corpo. Ma al momento possiamo fare poco o niente.
Una delle vie più semplici che potremmo perseguire per comprendere realmente il suo funzionamento è attraverso la creazione di modelli al computer in grado di simulare i reali avvenimenti neurobiologici (reverse engineering). Proprio di questo si occupa la branca chiamata computational neuroscience, che ci permetterà un giorno (così si spera) di capire come funzionano realmente le singole regioni (o per meglio dire “HUB”) del nostro cervello.
La rivoluzione sarà epocale perché passeremo dalla conoscenza neuro-filosofica di oggi (ogni regione viene descritta in maniera semantica con una serie di definizioni e concetti) ad una neuro-matematica, in cui ogni singolo HUB del nostro cervello sarà descritto da formule che esprimono i complessi processi elettrici alla base del suo funzionamento.
Per molti ingegneri, fisici e matematici questa era è già cominciata, ma per molti neuroscienziati che vengono dalle discipline mediche e umanistiche sarà una vera e propria rivoluzione, in primis, lessicale.
Neuromorphic Computing
Le formule matematiche serviranno a spiegare come fanno miliardi di neuroni presenti in quella piccola e specifica regione cerebrale a comunicare con altri neuroni attraverso sinapsi che mutano la loro forza e conformazione a seconda delle stimolazioni provenienti dall’esterno. Questo concetto ci fa capire le due principali caratteristiche che possiede la mente umana:
a) enorme quantità di dati e di unità computazionali;
b) le infinite combinazioni di cambiamenti nella comunicazione tra network neurali;
Immaginiamo che per cercare di riprodurre tutte le possibili unità di elaborazione presenti nel nostro cervello occorrerebbero grattacieli di computer per ogni singolo individuo sulla terra. Inoltre questi grattacieli di neuroni sintetici dovrebbero anche tenere conto dei cambiamenti dinamici a cui sono sottoposte le sinapsi ogni minuto a seconda della stimolazione dell’ambiente esterno. Capite bene che si tratta di un progetto difficilmente realizzabile con la tecnologia odierna.
Adesso, forse, è più facile capire il senso del paradosso descritto in precedenza e del perché c’è bisogno di una nuova branca delle neuroscienze capace di unificare tutta questa conoscenza che è pronta ad esplodere, ma che può essere maneggiata solo attraverso un nuovo modo di concepire la mente umana.
Negli ultimi 10 anni sono stati gli algoritmi di intelligenza artificiale che hanno fatto fare il salto di qualità a tutte le sottoaree delle neuroscienze, passando da una visione unimodale a una multimodale dei fenomeni in natura. Ma per arrivare a livello di complessità del cervello umano, purtroppo non basta ricorrere solo all’intelligenza artificiale. Bisognerà superare i già obsoleti modelli software che simulano il funzionamento cerebrale, per arrivare alla vera e propria costruzione di computer con un’architettura hardware simile a quella neuronale. Per decenni matematici e ingegneri hanno sviluppato modelli di intelligenza artificiale con cui predire il comportamento umano, o classificare malattie diverse elaborando solo dati di risonanza magnetica o estrarre caratteristiche uniche da un determinato dataset biologico. Ma tutti questi modelli erano solo codici di programmazione che giravano su semplici hardware di comuni PC. Immaginate cosa potrebbe accadere se questi algoritmi di intelligenza artificiale potessero girare su un hardware capace di lavorare in maniera simile ai nostri cari neuroni.
Stiamo parlando di un nuovo emergente campo delle neuroscienze chiamato “neuromorphic computing”. In questo settore, gli scienziati invece di eseguire calcoli basati su segnali binari (“0” o “1”), come fanno oggi i chip digitali, sono occupati a creare chip brain che funzionano, invece, in modo analogico, scambiando gradienti di segnali, o "pesi", proprio come i neuroni che si attivano in vari modi a seconda del tipo e del numero di ioni che scorrono attraverso una sinapsi. In questo modo, piccoli chip neuromorfici potrebbero (come il cervello) elaborare milioni di flussi di calcoli paralleli attualmente possibili solo da tanti supercomputer messi assieme. La maggior parte dei chip neuromorfici cercano di emulare la connessione sinaptica tra i neuroni usando due strati conduttivi separati da uno “spazio” simile a una sinapsi. Quando viene applicata una tensione, gli ioni dovrebbero muoversi nel mezzo di commutazione per creare filamenti conduttivi, analogamente a come cambia il "peso" di una sinapsi.
Usando questa nuova tecnologia i ricercatori del MIT di Boston diretti da James Di Carlo hanno realizzato delle prime ibride versioni di chip brain in cui l’architettura sintetica ha appreso a distinguere delle immagini visive elaborando milioni di dati grazie ad algoritmi di deep learning presenti al suo interno. Una volta creato un modello di funzionamento sintetico della visione umana i ricercatori l’hanno poi testata dal vivo impiantando degli elettrodi di nuova generazione all’interno della corteccia visiva di una scimmia. Sottoposta alla visione di alcune immagini usate per allenare il sistema sintetico, i risultati sono stati straordinari, perché molte delle attività elettriche registrate sulla scimmia erano già state create in precedenza dal simulatore. Inoltre, una volta impiantato nel cervello, il simulatore poteva funzionare anche in maniera bi-direzionale influenzando l’attività stessa dei neuroni della corteccia visiva. Immaginate le innumerevoli applicazioni di questo tipo di tecnologia.
Ad una conclusione molto simile sono arrivati anche dei ricercatori Italiani i quali, diretti da Pier Stanislao Paolucci, hanno realizzato un modello sintetico di funzionamento cerebrale sottostante la regolazione del sonno. In particolare, gli autori si sono focalizzati sulla riproduzione dell’attività elettrica di un particolare tipo di neurone corticale sito nello strato 5 e della sua connettività con il talamo. La comunicazione tra queste due aree e il tipo di attività elettrica è alla base dei processi di memorizzazione che avvengono durante il sonno. Adesso questo modello computazionale è al vaglio della validazione su modelli in vivo.
Ci stiamo muovendo verso la bio intelligenza?
Considerando questi primi risultati e la quantità di finanziamenti (500 milioni di euro) che la Human Brain Project, ha stanziato proprio per questa tipologia di progetti, si direbbe che ormai ci stiamo muovendo verso una nuova era delle neuroscienze. Da una parte ci si concentra sullo sviluppo di nuove architetture computazionali, sufficientemente potenti per ricreare la potenza del cervello umano, ma dall’altra parte si sta creando un intero movimento di neuroscienziati di nuova generazione dettiti alla creazione di tanti cervelli sintetici o addirittura “organoidi” (cioè cresciuti in provetta dalla stimolazione di cellule staminali) che saranno fondamentali per capire finalmente il funzionamento di quello “reale”.
Il tutto però governato da un solo e grande motore: “THE ELECTRICITY !”.