La startup statunitense Parasma ha dimostrato che colture di neuroni umani possono essere utilizzate per eseguire un compito di previsione del token successivo, una delle operazioni fondamentali alla base dei modelli linguistici. L’azienda, con sede a San Francisco, sta sviluppando software e infrastrutture per il calcolo biologico con l’obiettivo di utilizzare cellule cerebrali viventi come alternativa a basso consumo energetico rispetto ai processori tradizionali, in particolare alle GPU impiegate nei sistemi di intelligenza artificiale. Il progetto non utilizza neuroni artificiali simulati via software, ma cellule biologiche coltivate in laboratorio e collegate a un sistema elettronico in grado di trasformare dati digitali in stimoli elettrici e leggere successivamente le risposte prodotte dalla rete neuronale.
Nel test presentato il 13 agosto 2026, le parole che compongono il contesto di una frase vengono convertite in specifici schemi di stimolazione elettrica e inviate alle cellule. L’attività elettrica generata dai neuroni viene quindi misurata e decodificata direttamente in token, mentre il sistema fornisce successivamente un feedback indicando se la previsione effettuata è corretta. Parasma ha verificato il funzionamento della procedura attraverso compiti di previsione definiti in modo preciso e ha dichiarato che le colture neuronali hanno individuato correttamente il 90% delle decisioni relative al token successivo utilizzando come input il contesto dell’intera frase. Nei test di controllo randomizzati le prestazioni sono risultate invece sensibilmente inferiori e compatibili con risultati casuali.
Il risultato rappresenta un passaggio ulteriore rispetto agli esperimenti condotti nei mesi precedenti con Cortical Labs. Alla fine di febbraio 2026 Sean Cole, fondatore di Parasma, aveva collaborato con la società australiana per utilizzare una coltura di circa 200.000 neuroni umani nella gestione del videogioco Doom. In quel sistema lo stato del gioco veniva trasformato in segnali elettrici comprensibili dalla rete biologica; l’attività di scarica dei neuroni veniva poi tradotta in possibili azioni all’interno dell’ambiente virtuale, come muoversi o sparare. L’esperimento aveva mostrato la possibilità di inserire cellule neuronali viventi in un ciclo continuo di input, elaborazione, risposta e feedback, un principio che Parasma ha successivamente applicato a un compito linguistico di predizione.
La tecnologia su cui si basano questi esperimenti rientra nel settore del biological computing, nel quale il componente deputato all’elaborazione non è costituito esclusivamente da transistor e circuiti in silicio ma comprende tessuto neuronale vivente. Cortical Labs ha sviluppato a questo scopo il sistema CL1, che integra neuroni umani coltivati su una matrice di microelettrodi attraverso la quale è possibile inviare stimoli alle cellule e misurarne l’attività elettrica. L’hardware crea quindi un’interfaccia bidirezionale tra il software convenzionale e la rete biologica: il computer codifica l’informazione in impulsi, i neuroni reagiscono e il sistema digitale interpreta gli spike prodotti dalle cellule come output computazionale.
Questa stessa architettura viene ora sperimentata su una scala più ampia presso la Yong Loo Lin School of Medicine della National University of Singapore. NUS Medicine, Cortical Labs e DayOne, società con sede a Singapore specializzata nello sviluppo e nella gestione di data center, hanno realizzato presso il Life Sciences Institute dell’università un prototipo di Biological Data Centre. La struttura integra 20 unità CL1 e viene descritta dai partner come il primo rack di server biologicamente integrato al mondo gestito in modo indipendente all’interno di un ambiente di ricerca. Il prototipo è stato mostrato il 6 agosto 2026 durante una dimostrazione alla quale hanno partecipato oltre 80 rappresentanti del mondo accademico, tecnologico e delle infrastrutture digitali.
Il Biological Data Centre utilizza neuroni umani viventi derivati da cellule staminali come wetware, cioè come componente biologico deputato a una parte dell’elaborazione delle informazioni. Presso NUS le cellule vengono coltivate nell’ambito delle attività di neurobiologia e successivamente interfacciate con le unità elettroniche di Cortical Labs. Le reti neuronali possono ricevere stimoli attraverso array di microelettrodi, modificare la propria attività in funzione degli input e produrre risposte elettriche misurabili in tempo reale. L’obiettivo non è sostituire completamente l’hardware convenzionale, ma integrare componenti biologiche e digitali in un’architettura ibrida nella quale determinate elaborazioni possano essere affidate alle proprietà adattive delle cellule nervose.
Uno dei principali motivi di interesse riguarda il consumo energetico. I moderni sistemi di intelligenza artificiale richiedono grandi quantità di potenza computazionale e utilizzano infrastrutture composte da migliaia di GPU, con conseguenti esigenze elevate di elettricità e raffreddamento. Le cellule cerebrali svolgono invece operazioni complesse utilizzando quantità di energia estremamente ridotte rispetto all’elettronica digitale. NUS Medicine, Cortical Labs e DayOne intendono quindi verificare se reti neuronali biologiche possano essere utilizzate per aumentare la capacità di calcolo dedicata all’AI con una densità energetica significativamente inferiore rispetto ai data center tradizionali. Il progetto singaporese serve proprio a studiare questa possibilità in un’infrastruttura operativa e non soltanto su singoli dispositivi sperimentali.
Il biocomputing presenta però caratteristiche molto diverse dall’informatica tradizionale. Le cellule devono essere mantenute vive in condizioni ambientali controllate, richiedono nutrienti e sistemi specifici per la gestione della temperatura e non producono necessariamente risposte deterministiche come un processore digitale. La ricerca riguarda quindi anche il modo in cui utilizzare plasticità, adattamento e variabilità biologica come proprietà computazionali, sviluppando contemporaneamente strumenti software in grado di codificare gli input e interpretare l’attività della rete neuronale. Nel caso di Parasma, il compito di next-token prediction è particolarmente significativo proprio perché mostra come una sequenza linguistica possa essere trasformata in stimolazione elettrica, mantenuta come contesto all’interno della rete biologica e successivamente utilizzata per generare una previsione.
L’utilizzo di neuroni umani pone inoltre questioni specifiche che non riguardano i normali acceleratori hardware. Parasma ha dedicato una propria linea di analisi al possibile status morale dei sistemi neuronali viventi e alle condizioni nelle quali potrebbero emergere forme di coscienza o sofferenza. L’azienda sostiene che le colture finora utilizzate, comprese quelle composte da circa 200.000 neuroni impiegate negli esperimenti con Doom, non presentino le caratteristiche strutturali e funzionali che le principali teorie scientifiche associano a una coscienza significativa. Il tema viene comunque considerato parte integrante dello sviluppo della tecnologia, proprio perché un aumento della complessità e delle dimensioni delle reti biologiche potrebbe richiedere criteri di valutazione e salvaguardia più rigorosi.
Gli esperimenti di Parasma e il Biological Data Centre di Singapore rappresentano quindi due livelli differenti dello stesso percorso tecnologico. Nel primo caso viene studiato quali compiti computazionali possano essere affidati concretamente a una rete di neuroni umani e come trasformare linguaggio e altri dati digitali in segnali utilizzabili dalle cellule; nel secondo si sperimenta come sistemi di questo tipo possano essere integrati in un’infrastruttura composta da più unità biologiche operative contemporaneamente. La sostenibilità energetica rimane una delle principali ragioni dello sviluppo del settore, ma la possibilità di sfruttare direttamente apprendimento, adattamento e plasticità delle reti neuronali biologiche è il vero elemento tecnologico che distingue questi sistemi dalle architetture convenzionali basate esclusivamente sul silicio.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)