La pubblicazione open source di una simulazione completa della rete neurale di un moscerino della frutta adulto sta generando una serie di esperimenti che collegano direttamente una struttura biologica digitalizzata a videogiochi, robot, modelli linguistici e sistemi software. Il modello comprende circa 166.700 neuroni virtuali e oltre 25 milioni di connessioni sinaptiche e deriva dalla ricostruzione del cervello e del sistema nervoso centrale di un esemplare adulto maschio di Drosophila, realizzata da Google Research insieme all’Howard Hughes Medical Institute Janelia Research Campus.
Il connectoma, cioè la mappa delle connessioni tra i neuroni, è stato utilizzato per costruire una sorta di “moscerino digitale” capace di ricevere stimoli dall’ambiente simulato e produrre risposte attraverso i circuiti motori. Una volta resi disponibili i dati e gli strumenti necessari per lavorare con il modello, diversi sviluppatori hanno iniziato a trasformare gli input visivi dei videogiochi in segnali destinati alla rete neurale e a convertire l’attività dei neuroni motori in comandi per controller virtuali.
Tra gli esperimenti più recenti figura l’integrazione con Super Smash Bros., dove il cervello virtuale è stato collegato a un personaggio controllato dal sistema e ha ottenuto due vittorie in tre incontri contro un bot. Un’altra implementazione lo ha utilizzato per percorrere una pista di Mario Kart, mentre un progetto separato ha tentato di addestrare la rete neurale a risolvere un cubo di Rubik, sfruttando il problema come test di percezione e gestione di uno spazio tridimensionale. Questi esperimenti non trasformano il connectoma in un sistema intelligente generalista, ma utilizzano le dinamiche della rete biologica come componente all’interno di ambienti digitali costruiti appositamente.
Le sperimentazioni sono state estese anche all’hardware fisico. Un progetto ha inserito la simulazione del cervello all’interno della testa di un piccolo robot denominato Microduck, collegando gli input sensoriali virtuali a stimoli visivi e olfattivi in modo da permettere al robot di muoversi alla ricerca dell’odore di banana. In un altro caso l’output dei neuroni motori è stato associato a un braccio robotico impegnato in un compito fisico come il taglio della carne da kebab. Sono inoltre comparsi test nei quali il connectoma viene eseguito su hardware dedicato all’AI, come il dispositivo r1, e dimostrazioni che ipotizzano il suo impiego per controllare robot umanoidi.
Una delle applicazioni più insolite riguarda il trading di criptovalute. Un ex ingegnere di Coinbase ha sviluppato Stonkfly, un sistema di day trading disponibile su GitHub che utilizza immagini di grafici a candele come input visivo per la simulazione del cervello del moscerino. Il meccanismo di apprendimento associa gli esiti delle operazioni a stimoli differenti: quando viene registrato un profitto vengono attivati 15 neuroni collegati a uno stimolo dopaminergico, mentre in caso di perdita vengono stimolati due neuroni associati a una risposta avversiva. Il sistema utilizza questi segnali per orientare successivamente le decisioni tra acquisto, vendita o mantenimento della posizione.
Gli esperimenti più vicini al campo dell’intelligenza artificiale generativa combinano invece il connectoma con modelli linguistici e framework software. Lo sviluppatore Alex Wormuth ha realizzato il Fly Language Model, o FLM, collegando l’intera rete neurale del moscerino a un modello linguistico preaddestrato da 1,2 miliardi di parametri. L’architettura è stata definita GPF, Generative Pre-trained Fly, e utilizza la struttura del connectoma come componente aggiuntiva nel processo di elaborazione.
I test di controllo eseguiti sul Fly Language Model hanno però mostrato che l’integrazione della rete neurale biologica non produce un miglioramento significativo nelle capacità linguistiche del modello. Il progetto rappresenta quindi soprattutto un esperimento sull’interazione tra architetture biologiche digitalizzate e reti neurali artificiali, più che un nuovo metodo già in grado di aumentare concretamente le prestazioni degli LLM.
Altri sviluppatori stanno sperimentando un collegamento ancora più diretto tra l’attività neurale della simulazione e la generazione di token. In alcune implementazioni i pattern di attivazione dei neuroni del moscerino vengono utilizzati come parte del processo attraverso il quale un modello linguistico seleziona e produce l’output, arrivando fino alla generazione di codice software eseguibile. È stato mostrato, per esempio, un sistema nel quale la simulazione contribuisce alla produzione di codice Rust.
Il valore tecnico di questi esperimenti non consiste quindi nel dimostrare che il cervello di un moscerino possa sostituire gli attuali modelli di intelligenza artificiale. La struttura biologica digitalizzata costituisce piuttosto una piattaforma sperimentale nella quale è possibile osservare come input sensoriali, connessioni neurali e segnali motori interagiscono all’interno di un circuito derivato da un organismo reale e collegarlo successivamente a sistemi informatici artificiali.
La disponibilità di una rete composta da oltre 160.000 neuroni biologicamente mappati permette infatti di eseguire esperimenti che fino a poco tempo fa richiedevano infrastrutture di neuroscienze altamente specializzate. Videogiochi, robotica, reinforcement learning e modelli linguistici diventano così ambienti attraverso i quali verificare come un connectoma reale possa essere utilizzato come componente computazionale, pur con limiti molto diversi rispetto alle reti neurali artificiali progettate specificamente per risolvere questi compiti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)