È il primo prototipo di data center semi vivente al mondo. Ad agosto a Singapore è stato presentato un data center biologico basato su neuroni umani e la sua storia si lega a quella di un gruppo di ricerca italiano. A vederlo è una semplice scatola di metallo dalla forma oblunga, ma al suo interno nasconde un complesso sistema che mette in comunicazione cellule nervose umane e componenti elettroniche.
La diffusione dell’intelligenza artificiale è legata a doppio filo alla capacità di sviluppare infrastrutture in grado di produrre l’energia necessaria ad alimentare gli algoritmi. In Italia, stando ai dati diffusi dal Politecnico di Milano, ci sono circa 200 data center e ne sono previsti altri 83 per il 2026-2028. Le infrastrutture standard in costruzione sono programmate per sostenere carichi di lavoro enormi. Secondo l’Agenzia internazionale dell’energia, la domanda elettrica dei data center è cresciuta del 17% nel 2025, superando di gran lunga la crescita del 3% della domanda globale.
Una possibile soluzione – ancora in fase primordiale – alla fame energetica dei data center del futuro è arrivata proprio dalla biologia. Il progetto è frutto della collaborazione tra l’Università Nazionale di Singapore (Nus Medicine), DayOne e Cortical Labs, azienda australiana. L’idea è quella di integrare cellule neuronali nelle infrastrutture dedicate all’IA: il sistema è composto da 20 computer biologici CL1 che operano in sinergia, ciascuno contenente circa 800 mila neuroni. Il cervello umano consuma solo 20 Watt e non richiede ventole o sistemi di raffreddamento, ma solo un ambiente a 37 gradi per mantenere in vita le cellule.
Il CL1 è impiegato anche in un progetto di ricerca dell’Università degli Studi di Milano. La collaborazione nasce grazie a Reply, società di servizi digitali quotata a Piazza Affari, che ha intercettato la specializzazione d’eccellenza del Dipartimento di Fisiopatologia medico-chirurgica e dei trapianti dell’Ateneo. L’azienda ha fornito i computer di Cortical Labs al team di ricerca per valutare se queste reti neurali biologiche potessero rappresentare un’alternativa computazionale all’hardware tradizionale in silicio. L’integrazione dei neuroni con i sistemi digitali è un’occasione preziosa per indagare i meccanismi di apprendimento e la plasticità neuronale. I progressi potrebbero essere enormi tanto nel campo della tecnologia, quanto in quello della ricerca neuroscientifica.
La ricerca
«Le cellule, per vivere, devono essere nutrite con un terreno di coltura, un cocktail di sostanze nutritive, che va cambiato due volte a settimana», spiegano Stefania Corti, professoressa ordinaria di Neurologia del dipartimento di Fisiopatologia medico-chirurgica e dei trapianti all’Università degli Studi di Milano e direttrice della Struttura semplice dipartimentale di neurologia – malattie neuromuscolari e rare della Fondazione Irccs Ca’ Granda Ospedale Maggiore Policlinico di Milano, e Linda Ottoboni, ricercatrice in tenure track dello stesso Ateneo. Non avendo competenze biologiche per la coltura dei neuroni, Reply ha coinvolto il gruppo universitario per sfruttare la sua expertise nel far crescere neuroni derivati da cellule staminali pluripotenti indotte.
La tecnologia si basa sulla crescita delle cellule nervose su supporti (matrici di microelettrodi) capaci di registrarne l’attività elettrica e di stimolarle, consentendo di addestrare l’intera rete neurale a rispondere a specifici segnali. Come accade per i circuiti in silicio, è quindi possibile guidare l’attività elettrica dei network biologici per far eseguire loro determinati compiti.
«Il meccanismo di apprendimento si basa sul tipo di stimolo fornito: un segnale regolare e prevedibile agisce sulla rete come un rinforzo positivo, una sorta di gratificazione. Al contrario, un segnale disordinato e imprevedibile crea disturbo e agisce come un elemento negativo, che la rete tende a ridurre riorganizzando la propria attività», raccontano Corti e Ottoboni. Dal punto di vista pratico, questo si traduce nell’invio di impulsi elettrici: se la rete agisce correttamente, riceve uno stimolo breve e prevedibile, identico su tutti gli elettrodi e a voltaggio ridotto. Se invece sbaglia, riceve per alcuni secondi una stimolazione a voltaggio più alto, distribuita in modo casuale nello spazio e nel tempo, quindi imprevedibile. Trattandosi di una tecnologia innovativa, la ricerca deve fare ancora molti passi avanti prima di poter affiancare i sistemi in silicio. Ma questi circuiti neurali hanno già dimostrato di poter imparare compiti semplici ma strutturati: le reti di Cortical Labs hanno giocato al celebre videogioco anni Settanta Pong e, più di recente, a Doom, mentre altri gruppi hanno usato neuroni in coltura per riconoscere cifre pronunciate a voce o risolvere semplici problemi matematici. «Oltre alle applicazioni computazionali, l’aspetto che più ci interessa è comprendere cosa questo modello possa rivelare sulla nostra natura: interfacciandoci direttamente con i neuroni, possiamo capire meglio i meccanismi del nostro cervello».
Ricadute
Questo approccio infatti ha delle ricadute sia in ambito neurofisiologico sia clinico. Da un lato, permette di acquisire nuove informazioni sul funzionamento dei neuroni e sulle dinamiche di rete, in modo da studiarne con maggiore consapevolezza la fisiologia. Dall’altro, in ambito medico, consente di mettere a confronto cellule sane e patologiche – ad esempio derivate da pazienti con malattie neurodegenerative su base genetica – per valutare l’efficacia di nuovi trattamenti o testare la risposta a specifiche sostanze e fluidi biologici, come il liquor cerebrospinale di pazienti con malattia di Alzheimer o demenza frontotemporale. «In una prospettiva futura, la nostra intenzione è applicare questo sistema su scala più ampia, analizzando il materiale biologico di diversi pazienti interfacciato con le reti neurali per prevedere la risposta individuale del cervello». Questo approccio di medicina personalizzata potrebbe permettere di stratificare con maggiore precisione i pazienti da arruolare nei trial clinici, così da indirizzare ciascun individuo verso il braccio terapeutico più idoneo in base al proprio profilo neurofisiologico. «Si tratta di una valutazione funzionale diretta altrimenti inaccessibile, capace di superare i limiti delle metodiche non invasive tradizionali come l’elettroencefalogramma, che forniscono informazioni indirette e distanti dalla reale fisiologia del tessuto» concludono.
Non è raro che il mondo dell’IA si incontri con quello della medicina. Basti pensare che nel 2024 il premio Nobel per la chimica è stato assegnato a Demis Hassabis, cofondatore di Google DeepMind, e a John Jumper, della stessa azienda, per aver sviluppato AlphaFold, un modello di intelligenza artificiale capace di prevedere la struttura tridimensionale delle proteine, e a David Baker per la loro progettazione computazionale. Questi strumenti hanno permesso di comprendere meglio lo sviluppo di alcune malattie e, di conseguenza, di individuare possibili cure.
Leggi anche:
© Riproduzione riservata
