Su 14.000 neuroni analizzati in 43 regioni della corteccia cerebrale del topo, la grande maggioranza sono neuroni tuttofare: unità versatili che rispondono a stimoli diversi invece di specializzarsi in un solo compito. E' la conclusione di uno studio pubblicato su Nature dal team dello Zuckerman Institute della Columbia University, guidato dai ricercatori italiani Stefano Fusi e Lorenzo Posani, che ribalta il modello del cervello come una macchina di ingranaggi ognuno con la sua funzione.
Cosa mostra lo studio della Columbia
Il gruppo di ricerca ha analizzato le registrazioni pubbliche del consorzio International Brain Laboratory, che raccoglie l'attività di oltre 14.000 unità neurali durante un compito comportamentale complesso e multi-fase. Le misurazioni riguardano 43 aree corticali del topo e permettono di ricostruire come i singoli neuroni codificano informazioni sensoriali, cognitive e motorie.
Il risultato mette in ordine due letture apparentemente in contraddizione. A livello dell'intera corteccia esistono cluster funzionali distinti, che rispecchiano la connettività anatomica del cervello. Ma se si guarda dentro le singole regioni, i neuroni categorici e specializzati sono l'eccezione: si trovano quasi solo nelle aree sensoriali primarie, come la corteccia visiva. Altrove ogni neurone genera risposte diverse e raramente due unità si comportano allo stesso modo.
Perchè la scoperta parla anche all'intelligenza artificiale
La lezione va oltre le neuroscienze. Il paper, disponibile in preprint su bioRxiv, mostra che la corteccia lavora con rappresentazioni ad alta dimensionalità e altamente separabili: la stessa popolazione neurale puo' essere riutilizzata per decine di compiti diversi, perchè la varietà delle risposte permette a un lettore lineare di distinguere condizioni sperimentali in molti modi arbitrari.
E' il regime computazionale che caratterizza i moderni modelli linguistici. Nei transformer e nei grandi LLM le singole unita sono raramente dedicate a un solo concetto: sono polisemantiche, codificano tante informazioni sovrapposte, ed è proprio questa densità a spiegare la loro capacità di generalizzare. Lo studio della Columbia porta prove empiriche di uno stesso principio nel cervello biologico, un ponte diretto fra neuroscienze e AI teorica che i lavori precedenti, basati su dataset molto più piccoli, non avevano potuto stabilire.
L'evidenza sperimentale conta anche per l'ingegneria dei modelli. Se la corteccia raggiunge la sua flessibilità massimizzando la diversità delle risposte, le architetture AI che spingono verso una specializzazione rigida delle unità rischiano di sacrificare proprio quella potenza. La lettura di Fusi punta nella direzione opposta al riduzionismo: più che assegnare etichette ai neuroni, conta la geometria delle rappresentazioni che emergono dalla popolazione.
Cosa cambia per medicina e chip cerebrali
L'immagine dei neuroni tuttofare ha ricadute concrete sulla neurologia clinica e sulle interfacce cervello-macchina. Se ogni unità è versatile a modo suo, cercare l'area 'responsabile' di una funzione perde parte del senso: la funzione emerge dall'attività coordinata di tanti neuroni diversi. Progetti che puntano a rilasciare farmaci direttamente in porzioni specifiche del cervello, come il progetto italiano NeuroMesh per il glioblastoma, dovranno tenere conto del fatto che la geografia funzionale non coincide con quella anatomica.
Anche il modo di leggere e stimolare il cervello con elettrodi cambia. Un chip che punta a decodificare l'intenzione motoria di un paziente paralizzato deve sfruttare la diversità delle risposte, non cercare il singolo neurone 'del movimento'. Le stesse unità che si attivano per muovere una mano possono codificare uno stimolo visivo o un'aspettativa cognitiva, e questa sovrapposizione è la fonte della potenza computazionale.
Il preprint ha totalizzato oltre 11.000 download prima della pubblicazione su Nature, segno che la comunità aspettava una prova empirica a questa scala. La prossima domanda per Fusi e Posani è se lo stesso schema regga nel cervello umano, dove le aree corticali sono più estese e i compiti più complessi.
Domande frequenti
Cosa ha scoperto lo studio della Columbia University sui neuroni del cervello?
Lo studio ha scoperto che la maggior parte dei neuroni nelle 43 aree della corteccia cerebrale del topo sono generalisti, ovvero rispondono a stimoli diversi e non sono specializzati in un unico compito. Solo nelle aree sensoriali primarie si trovano neuroni specializzati.
In che modo questa scoperta collega neuroscienze e intelligenza artificiale?
La scoperta mostra che sia la corteccia cerebrale che i modelli linguistici di AI, come i LLM, lavorano tramite unità versatili che codificano molteplici informazioni sovrapposte. Questo principio di generalizzazione e densità delle rappresentazioni è alla base della potenza computazionale sia nel cervello biologico che nei modelli AI.
Quali sono le implicazioni per la medicina e le interfacce cervello-macchina?
Le implicazioni riguardano la necessità di considerare la versatilità dei neuroni nelle terapie mirate e nelle interfacce neurali: non si può più cercare una singola area 'responsabile' di una funzione, ma bisogna agire sull'attività coordinata di molti neuroni diversi. Ciò influisce anche sullo sviluppo di chip cerebrali e sulla somministrazione di farmaci mirati nel cervello.
Come cambia la comprensione della funzione cerebrale rispetto ai modelli precedenti?
Il nuovo modello suggerisce che la funzione cerebrale emerge dalla coordinazione di molti neuroni generalisti, piuttosto che dalla sommatoria di unità specializzate ciascuna per una funzione. Questo ribalta la visione riduzionista precedente, che assegnava a ogni area o neurone un compito specifico.
Questa scoperta è valida anche per il cervello umano?
Attualmente, la scoperta si basa su dati della corteccia cerebrale del topo. La prossima sfida per i ricercatori sarà verificare se lo stesso schema di neuroni generalisti vale anche nel cervello umano, che presenta aree corticali più ampie e compiti più complessi.
