Due visioni della biocomputazione: una astratta e l’altra vivente

by Roosteram – 16 Giugno 2026

La redazione di ItaloRED ha spesso seguito con attenzione l’evoluzione dei biocomputer, e il CL1 di Cortical Labs ci ha senza dubbio entusiasmati, ma forse esistono anche altre strade, ugualmente promettenti e per certi versi complementari. Per comprendere appieno la distanza che separa la ricerca accademica del team guidato da Giulio Basso, Reinhold Scherer e Michael Taynnan Barros dal computer CL1 sviluppato da Cortical Labs, dobbiamo prima di tutto abbandonare l’idea che si tratti di due versioni dello stesso concetto. In realtà, ci troviamo di fronte a due filosofie della scienza profondamente diverse, due modi opposti di guardare alla biocomputazione e al ruolo che i neuroni possono giocare nel futuro dell’informatica.

Da un lato la teoria, dall’altro la pratica

Il lavoro del team di Basso appartiene alla migliore tradizione della modellistica teorica. È un esercizio di astrazione, un tentativo di comprendere se i principi fondamentali dell’elettronica digitale possano essere tradotti nel linguaggio dei neuroni impulsivi, quelli che comunicano attraverso brevi e intensi impulsi elettrici chiamati spike. I ricercatori non hanno mai messo mano a una coltura cellulare, non hanno mai applicato elettrodi a un neurone vivo. Tutto il loro lavoro si svolge all’interno di un computer, dove modelli matematici di neuroni (in particolare il celebre modello di Izhikevich) vengono fatti interagire secondo topologie accuratamente progettate. L’obiettivo è dimostrare che è possibile costruire porte logiche e circuiti di memoria usando solo l’attività di spike, e che questi circuiti possono essere scalabili ed energeticamente sostenibili.

Il CL1 di Cortical Labs è l’esatto opposto. Qui i neuroni non sono modelli matematici, ma cellule vere, coltivate in laboratorio e fatte crescere sopra un chip di silicio. Il computer CL1 è una macchina fisica, venduta a circa trentacinquemila dollari, che integra hardware e biologia in un unico sistema operativo. I neuroni viventi vengono stimolati elettricamente attraverso una matrice di microelettrodi, e le loro risposte vengono lette e interpretate da un software chiamato biOS. Questo sistema è già stato utilizzato per far imparare ai neuroni a giocare a Pong o a Doom, dimostrando che le reti biologiche sono in grado di adattarsi e di apprendere compiti complessi in tempo reale.

Il rapporto con il componente biologico

La differenza fondamentale sta nel rapporto che i due approcci intrattengono con il componente biologico. Per il team di Basso, il neurone è un modello astratto, un insieme di equazioni differenziali che descrivono il potenziale di membrana e la variabile di recupero. La relazione è di tipo progettuale: il ricercatore decide la topologia della rete, i pesi sinaptici, le costanti di tempo, e poi verifica tramite simulazione se il comportamento risultante corrisponde alla tabella di verità desiderata. È un approccio deduttivo, che parte dai principi dell’informatica per cercare di plasmare la biologia a propria immagine.

Per Cortical Labs, invece, il neurone è un attore vivente, un soggetto con cui interagire. La relazione è di tipo dialogico: il software invia stimoli, i neuroni rispondono, e sulla base di queste risposte il sistema si adatta. Non c’è un progetto a priori, non c’è una topologia prestabilita: c’è un processo di apprendimento che emerge dall’interazione continua tra il mondo digitale e quello biologico. È come se da una parte avessimo un architetto che disegna ogni mattone di una casa, e dall’altra un giardiniere che pianta dei semi e osserva come crescono, intervenendo solo per guidare la direzione della crescita.

Obiettivi diversi: la ricerca contro il prodotto

Un’altra differenza cruciale riguarda la finalità dei due progetti. La ricerca di Basso, Scherer e Barros è esplicitamente teorica e orientata alla riproducibilità. Come scrivono gli stessi autori nell’articolo pubblicato su npj Unconventional Computing, il loro lavoro fornisce “una base riproducibile per la logica e la memoria in reti di neuroni impulsivi” e getta le basi per “future implementazioni biologiche o neuromorfe”. Non c’è alcuna pretesa di realizzare immediatamente un prodotto commerciale: l’obiettivo è comprendere se e come i principi del calcolo digitale possano essere tradotti in un substrato biologico, e quali siano i limiti di questa traduzione.

Il CL1, al contrario, è nato con un intento esplicitamente commerciale. È un computer che si può acquistare, che si può programmare tramite API, che è stato progettato per essere usato da ricercatori e sviluppatori che vogliono sperimentare con la biocomputazione senza dover costruire da zero un laboratorio di colture cellulari. La differenza è sottile ma sostanziale: da una parte abbiamo scienziati che chiedono “è possibile?”, dall’altra ingegneri che dicono “ecco, funziona, usatelo”.

La sfida della scalabilità

Questa differenza di finalità si riflette anche nel modo in cui i due approcci affrontano il problema della scalabilità. Per il team di Basso, la scalabilità è una questione teorica: come si fa a collegare più porte logiche senza che i ritardi di sincronizzazione compromettano il funzionamento del circuito? La loro soluzione prevede l’uso di buffer neuronali e di costanti temporali inibitorie più lunghe, ma resta confinata al mondo delle simulazioni. È un problema che si risolve con la matematica, con l’ottimizzazione dei parametri, con la progettazione accurata delle topologie di rete.

Per Cortical Labs, invece, la scalabilità è una questione ingegneristica: come si fa a far crescere e a mantenere in vita un numero sempre maggiore di neuroni su un chip, garantendo al contempo la stabilità delle connessioni e la ripetibilità degli esperimenti? La sfida è biologica prima ancora che informatica. Non basta progettare un circuito: bisogna mantenere in vita le cellule, nutrirle, controllare la temperatura, evitare contaminazioni. È un problema che si risolve con la biologia, con la chimica, con la scienza dei materiali.

Due filosofie a confronto

C’è poi un aspetto epistemologico che merita di essere sottolineato. Il lavoro di Basso e colleghi parte dal presupposto che il calcolo digitale sia il paradigma di riferimento, e che la biocomputazione debba tendere a replicarlo. È un approccio che potremmo definire “imitazionista”: si cerca di far fare ai neuroni quello che fanno i transistor, magari con maggiore efficienza energetica, ma seguendo la stessa logica. È un modo di pensare che ha il grande pregio di rendere la biocomputazione compatibile con tutto l’immenso patrimonio di conoscenze dell’informatica tradizionale.

Il CL1, invece, parte dal presupposto opposto: i neuroni sono diversi dai transistor, e la loro diversità è un vantaggio, non un limite. Invece di forzare i neuroni a comportarsi come porte logiche, Cortical Labs cerca di sfruttare ciò che i neuroni sanno fare naturalmente, cioè apprendere, adattarsi, trovare pattern in ambienti complessi. È un approccio che potremmo definire “emergenzialista”, perché si affida alla capacità della rete biologica di far emergere soluzioni intelligenti senza bisogno di una programmazione esplicita. È un modo di pensare che ha il grande pregio di sfruttare le potenzialità uniche della biologia, invece di cercare di imitare l’elettronica.

Un futuro che unisce teoria e pratica

In definitiva, il team di Basso ci offre un progetto architettonico per una futura biocomputazione, una mappa dettagliata di come si potrebbero costruire circuiti logici usando neuroni, con tanto di parametri e linee guida per la sincronizzazione. Il CL1 di Cortical Labs ci offre invece un territorio già esplorato, una macchina funzionante in cui i neuroni vivono, comunicano, e imparano. Il primo è un sogno teorico che aspetta di essere realizzato; il secondo è una realtà tecnologica che aspetta di essere compresa e sfruttata.

E forse, come spesso accade nella scienza, sono proprio questi due sguardi diversi – quello dell’astrazione e quello della concretezza, quello del progetto e quello dell’esperimento – che insieme potranno portare la biocomputazione verso il suo futuro più promettente. Perché la scienza progredisce quando la teoria e la pratica camminano fianco a fianco, quando chi disegna modelli e chi costruisce macchine si parlano, si confrontano, si contaminano a vicenda. E chissà che un giorno, grazie a questa feconda collaborazione, non nascerà un computer che non sia né di silicio né di carne, ma un po’ di entrambe le cose, capace di sfruttare il meglio dei due mondi.

Fonti:

• Basso, G., Scherer, R. & Barros, M.T. Advanced neuronal logic circuit designs using spiking models: a framework for sequential biocomputation. npj Unconventional Computing 3, 20 (2026). https://www.nature.com/articles/s44335-026-00066-4
• Izhikevich, E.M. Simple model of spiking neurons. IEEE Trans. Neural Netw. 14, 1569-1572 (2003). https://www.izhikevich.org/publications/spikes.pdf
• Cortical Labs. CL1: The First Biological Computer. Sito ufficiale. https://corticallabs.com/