Quando l’errore insegna: un cervello artificiale rivela i neuroni che anticipano il fallimento

Quando l’errore insegna: un cervello artificiale rivela i neuroni che anticipano il fallimento

Un modello di intelligenza artificiale costruito per imitare fedelmente il funzionamento biologico del cervello ha raggiunto un risultato inatteso e affascinante: non solo ha imparato come apprendono gli animali reali, ma ha anche portato alla luce un segnale neurale che per anni era rimasto inosservato nei dati sperimentali. È la prova che un’IA, se progettata rispettando la fisiologia cerebrale, può diventare uno strumento di scoperta scientifica e non soltanto di previsione.

Il modello, sviluppato da ricercatori del Dartmouth College, del MIT e della Stony Brook University e pubblicato su Nature Communications, non è stato addestrato su dati provenienti da esperimenti animali. È stato invece costruito “dal basso”, riproducendo il modo in cui i neuroni si connettono, comunicano e si sincronizzano all’interno di circuiti reali. A partire da queste basi biologiche, il sistema è stato in grado di generare attività neurale credibile – spike, campi elettrici, ritmi e cambiamenti sinaptici – da cui sono emerse spontaneamente funzioni cognitive complesse come la decisione, la memoria di lavoro e l’apprendimento per rinforzo.

Quando al modello è stato richiesto di svolgere un semplice compito di categorizzazione visiva, lo stesso già utilizzato nei laboratori con i macachi, il comportamento risultante è apparso sorprendentemente simile a quello degli animali. L’apprendimento non è stato lineare né “perfetto”, ma progressivo, irregolare, con errori e miglioramenti graduali, esattamente come accade nei cervelli biologici. Anche l’attività neurale mostrava pattern noti: in particolare, una crescente sincronizzazione nella banda beta tra corteccia e striato, associata ai momenti in cui la decisione era corretta.

Il dato più sorprendente è però emerso osservando più a fondo l’attività dei singoli neuroni. Circa il 20% di essi mostrava un comportamento controintuitivo: la loro attivazione non prediceva il successo, ma l’errore. Quando questi neuroni, definiti “incongruenti”, influenzavano maggiormente il circuito, il modello tendeva a prendere la decisione sbagliata. In un primo momento, i ricercatori hanno pensato a un’anomalia del sistema artificiale. Solo successivamente, tornando ad analizzare i dati neurali raccolti negli esperimenti sugli animali, si sono accorti che lo stesso segnale era lì da sempre, semplicemente mai riconosciuto o interpretato.

La scoperta suggerisce che l’errore non sia soltanto un rumore da eliminare, ma una componente funzionale del cervello. I neuroni “incongruenti” potrebbero infatti svolgere un ruolo cruciale nell’esplorazione delle alternative: quando le regole di un compito cambiano o l’ambiente diventa imprevedibile, la capacità di deviare temporaneamente dalla strategia dominante può consentire al sistema di adattarsi e scoprire nuove soluzioni. In questo senso, l’errore diventa una risorsa evolutiva, non un semplice fallimento.

Il valore del modello va oltre la comprensione teorica del cervello. Proprio perché costruito su basi biologiche realistiche, può diventare una piattaforma per studiare come i circuiti neurali cambiano nelle malattie neurologiche e psichiatriche, e per testare interventi farmacologici o terapeutici direttamente in silico. Questo approccio potrebbe ridurre tempi, costi e rischi della sperimentazione clinica tradizionale, consentendo di individuare prima quali strategie hanno maggiori probabilità di funzionare.

In un’epoca in cui l’intelligenza artificiale è spesso vista come una “scatola nera”, questo studio mostra una via diversa: modelli che non si limitano a produrre risposte corrette, ma che aiutano a capire perché il cervello funziona – e talvolta sbaglia – nel modo in cui lo fa. Ed è proprio in quell’errore, ora finalmente visibile, che potrebbe nascondersi una nuova chiave per comprendere l’intelligenza umana e curarne le fragilità.

Di Chiara Vergani