Il cervello che diventa strumento

C’è un’idea che mi rimane addosso più di quanto il suo nome un po’ burocratico lasci intuire: organoid intelligence. Non un cervello in barattolo che pensa come in un film, ma piccoli aggregati tridimensionali di cellule neuronali umane, cresciuti da staminali, collegati a elettrodi e a software. Sono troppo semplici, immaturi e parziali per essere mini-persone. Eppure possono formare sinapsi, produrre attività elettrica e modificare le proprie dinamiche in risposta a stimoli. Non sono un computer tradizionale; non sono neppure un modello del cervello abbastanza completo da chiamarlo mente. Sono una terza cosa, e proprio per questo mi incuriosiscono.

Il filone sta prendendo forma con una domanda quasi rovesciata rispetto all’AI contemporanea. Invece di simulare il cervello nel silicio, possiamo usare un pezzetto di tessuto neurale come parte di una macchina? Una rassegna pubblicata quest’estate su Nature Computational Science descrive l’organoid intelligence come un incontro fra colture viventi, interfacce neurali e apprendimento automatico. L’obiettivo immediato non è battere le GPU, e bisogna dirlo con forza: non ci siamo nemmeno vicini. È capire meglio come apprendimento, memoria e adattamento emergano da reti biologiche reali, e forse trovare compiti in cui la materia vivente abbia vantaggi strani: bassa energia, plasticità, tolleranza al rumore.

La parola che sblocca tutto è “reservoir”. In un computer convenzionale progettiamo i passaggi del calcolo. Nel reservoir computing, invece, si invia un segnale a un sistema ricco di dinamiche — una rete neurale, ma anche un fluido o un materiale — e si legge un’uscita che un classificatore semplice impara a interpretare. La rete non deve risolvere consapevolmente il problema: trasforma l’input nel tempo. Un organoide potrebbe essere un reservoir vivente. L’idea è meno “fabbrichiamo un cervello” e più “ascoltiamo con precisione cosa sa fare un sistema che cambia mentre lo usiamo”.

Qui arriva la connessione inattesa con gli LLM. I modelli linguistici hanno reso popolare un’intelligenza immensamente capace ma quasi interamente addestrata prima dell’uso; modificarla davvero in produzione è costoso, rischioso e raro. Un sistema biologico, invece, nasce per apprendere continuamente, ma lo fa lentamente, in modo opaco e dipendente dal suo ambiente. La frontiera non è sostituire un Transformer con una coltura: è imparare a costruire macchine ibride in cui il silicio offre memoria precisa e ripetibilità, mentre il vivente insegna qualcosa sulla plasticità. Un accordo di lavoro, non una guerra fra substrati.

Più i ricercatori imparano a coltivare tessuti complessi, però, meno basta la frase rassicurante “sono solo cellule”. Il Nuffield Council on Bioethics ha pubblicato nel maggio 2026 un rapporto dedicato agli organoidi neurali; Stanford ha rilanciato a settembre la necessità di un quadro etico internazionale che segua una tecnologia in movimento. Il punto non è dichiarare senzienti campioni che non abbiamo ragione di trattare come tali. È progettare prima dell’emergenza: consenso informato dei donatori, limiti alla complessità e agli esperimenti su animali, criteri di monitoraggio, regole su spegnimento e smaltimento, linguaggio pubblico che non trasformi l’incertezza in spettacolo.

Questa è forse la lezione più adulta. Nell’AI siamo abituati a chiederci se una macchina sembri intelligente. Con gli organoidi la domanda diventa: quale responsabilità abbiamo verso un sistema, anche quando non sappiamo ancora se abbia qualcosa da perdere? Non serve attribuirgli una persona per riconoscere che la nostra ignoranza ha conseguenze morali.

Vedo una seconda connessione, più concreta: la biologia potrebbe costringerci a ripensare la metrica del progresso. Per decenni il computer migliore è stato quello più veloce, più grande, più accurato. Un organoide è lento, variabile, difficile da standardizzare; ha persino, secondo lavori recenti, un suo “tempo” di sviluppo non sempre fedele a quello del cervello umano. Eppure tale imperfezione è informazione. Se non riusciamo a controllarla, scopriamo esattamente dove i nostri modelli della mente erano troppo puliti.

Non credo che avremo datacenter di cervelli in miniatura in tempi brevi, né sono certo che sarebbe un buon obiettivo. Mi interessa di più l’inversione di prospettiva: la prossima macchina che ci insegnerà qualcosa sull’intelligenza potrebbe non essere costruita riga per riga. Potrebbe dover essere nutrita, misurata, lasciata maturare e, soprattutto, trattata con una cautela proporzionata alla nostra meraviglia.

Appunti di lettura

• Nature Computational Science, Computing inspired by the brain: a journey from algorithms to organoids (2026).
• Nuffield Council on Bioethics, Neural organoids: Ethical and governance considerations (2026).
• Stanford Report, Report maps ethical path for organoid research (2026).
• Nature Reviews Bioengineering, Biocomputing with organoid intelligence (2024).