E se potessimo costruire un modello informatico capace di prevedere come il cervello reagirà a una situazione, prima ancora di osservare quella reazione in laboratorio? È l’ambizione dello Stanford Digital Brain Project, annunciato dall’università americana il 2 novembre 2026. Il programma riunisce neuroscienziati, informatici e medici per raccogliere dati cerebrali su larga scala e addestrare modelli di intelligenza artificiale capaci di simulare alcuni aspetti del funzionamento del cervello umano.
Il titolo può far immaginare un cervello digitale già esistente, magari una copia virtuale della mente di una persona. Non è così. Stanford ha annunciato un progetto di ricerca pluriennale, non il completamento di una simulazione del cervello e tantomeno la riproduzione della coscienza. La differenza fra obiettivo e risultato è fondamentale, soprattutto in un settore nel quale il linguaggio dell’intelligenza artificiale tende spesso a correre più velocemente degli esperimenti.
Un modello che faccia previsioni, non soltanto descrizioni
Oggi gli scienziati possono osservare molte caratteristiche del cervello: quali aree si attivano durante un compito, come cambiano i segnali nel tempo, quali reti sembrano coordinarsi. Ma una mappa statica non basta a spiegare un sistema così dinamico. L’obiettivo del progetto è costruire modelli che, dopo essere stati addestrati su grandi quantità di dati, riescano a prevedere come cambierà l’attività cerebrale quando una persona vede un’immagine, ascolta una frase, ricorda un evento o prende una decisione.
Stanford paragona questa prospettiva alla meteorologia. Un modello atmosferico non si limita a mostrare dove si trovano le nuvole: utilizza osservazioni e leggi fisiche per prevedere come evolverà il sistema. Il cervello è naturalmente molto diverso dall’atmosfera, ma l’analogia chiarisce l’ambizione. Non basta riconoscere uno schema già visto: il modello deve formulare previsioni verificabili su situazioni nuove.
Che cosa sono i foundation model cerebrali
Nel campo dell’intelligenza artificiale, un foundation model è un sistema addestrato su dati ampi e vari, con l’obiettivo di imparare rappresentazioni utilizzabili per più compiti. I grandi modelli linguistici ne sono un esempio: apprendono regolarità del linguaggio e possono essere adattati a molte richieste. Il progetto di Stanford vuole esplorare un’idea simile applicata ai dati di neuroimaging, costruendo quelli che i ricercatori chiamano grandi modelli del cervello.
È importante non confondere il tipo di dati. Un modello linguistico è addestrato principalmente su testi e altre informazioni digitali; un modello cerebrale dovrebbe apprendere da misure dell’attività di persone reali, raccolte in condizioni controllate. Potrebbe così identificare relazioni statistiche tra percezione, memoria, attenzione e altri processi. Ma la capacità di prevedere un segnale cerebrale non implica che un sistema comprenda l’esperienza soggettiva o possa leggere liberamente i pensieri di qualcuno.
Due strumenti per osservare dove e quando
Uno degli aspetti più concreti dell’iniziativa è la combinazione di due tecnologie di misura. La prima è una risonanza magnetica ad altissimo campo da 7 Tesla, pensata per ottenere immagini con elevata risoluzione spaziale. La seconda è un sistema indossabile di magnetoencefalografia, chiamato OPM-MEG, che rileva minuscole variazioni del campo magnetico associate all’attività nervosa e offre una risoluzione temporale dell’ordine dei millisecondi.
Le due tecniche osservano aspetti complementari. La risonanza magnetica funzionale permette di localizzare con precisione relativa le regioni coinvolte, ma il segnale emodinamico è più lento dei processi elettrici dei neuroni. La MEG segue meglio la rapidità degli eventi, ma ricostruire esattamente da dove provengano i segnali è un problema complesso. Integrarle potrebbe aiutare a capire sia dove sia quando le reti cerebrali si coordinano.
Migliaia di situazioni quotidiane, misurate in laboratorio
I ricercatori intendono registrare l’attività cerebrale di partecipanti impegnati in esperienze più vicine alla vita reale rispetto a molti test tradizionali. Per esempio, una persona potrebbe guardare, descrivere e ricordare migliaia di video. L’idea è osservare come le reti si organizzano quando percezione, attenzione, linguaggio e memoria entrano in gioco insieme, anziché studiare ogni funzione come un sistema isolato.
Il progetto è organizzato in campagne sperimentali che esploreranno anche movimento, ragionamento, emozioni e interazione sociale. I dati dovrebbero essere raccolti con protocolli coordinati e poi utilizzati per addestrare i modelli. Questa parte è probabilmente meno spettacolare dell’immagine di un cervello virtuale, ma è decisiva: la qualità delle previsioni dipenderà in larga misura dalla qualità, dalla varietà e dalla coerenza delle osservazioni.
Dalle reti cerebrali ai modelli predittivi
Il gruppo prevede di utilizzare anche risorse di calcolo avanzate, tra cui il cluster GPU Marlowe di Stanford. I primi modelli si concentreranno su sistemi specifici, come percezione, memoria e attenzione, per poi estendersi progressivamente a descrizioni più ampie. Le previsioni saranno confrontate con nuove misure sperimentali, in un ciclo di verifica e correzione. Non basta infatti che un modello riproduca dati già usati per l’addestramento: deve dimostrare di generalizzare a condizioni non viste.
Questo approccio potrebbe rendere più rapida l’esplorazione di alcune ipotesi neuroscientifiche. Invece di provare subito ogni variante di un esperimento su persone, i ricercatori potrebbero usare un modello per selezionare le domande più promettenti. Ma una simulazione non sostituisce una prova clinica. Le sue previsioni restano ipotesi da verificare e possono riflettere i limiti dei dati da cui sono state apprese.
Depressione e Parkinson: possibilità, non terapie annunciate
Fra le applicazioni immaginate da Stanford ci sono lo studio delle reti coinvolte nella depressione e nel Parkinson. Persone con la stessa diagnosi possono rispondere in modo diverso ai trattamenti; comprendere meglio le dinamiche cerebrali potrebbe un giorno aiutare a scegliere interventi più mirati. I ricercatori ipotizzano anche la possibilità di simulare l’effetto di una stimolazione prima di provarla in studi clinici.
Non è stato però dimostrato che il nuovo progetto possa già scegliere una terapia, prevedere l’esito di un trattamento o migliorare la salute dei pazienti. L’iniziativa è appena partita e prevede circa cinque anni di lavoro. Parlare oggi di un cervello digitale che cura la depressione sarebbe scorretto. Il valore della notizia è nell’architettura scientifica che si vuole costruire, non in un risultato terapeutico già raggiunto.
Il problema dei dati e della privacy
I dati cerebrali sono particolarmente delicati. Anche quando non permettono di leggere pensieri specifici, possono contenere informazioni sensibili sulle caratteristiche individuali. Stanford dichiara l’intenzione di condividere dati e modelli con la comunità scientifica, seguendo pratiche di scienza aperta e standard come OpenNeuro e Brain Imaging Data Structure. Sarà importante capire come verranno gestiti consenso, anonimizzazione, accessi e rischi di reidentificazione.
Un’altra questione è la rappresentatività. Un modello costruito su un gruppo limitato di volontari potrebbe funzionare meno bene su persone di età, condizioni cliniche e provenienze diverse. Inoltre il cervello cambia con il sonno, i farmaci, la salute e l’esperienza. Un buon modello dovrà distinguere i tratti relativamente stabili dalle variazioni temporanee, senza trasformare differenze statistiche in etichette rigide sugli individui.
Un gemello digitale non è una mente artificiale
L’espressione digital twin viene spesso utilizzata per indicare una rappresentazione computazionale aggiornata di un sistema fisico. Nel caso del cervello, il rischio è attribuirle un significato troppo forte. Prevedere una parte dell’attività di alcune reti non significa replicare tutte le connessioni neuronali, la storia personale, la coscienza o l’identità di un essere umano. Il progetto di Stanford riguarda modelli predittivi basati su misure, non la creazione di persone digitali.
La domanda che rende interessante il progetto
Trovo stimolante l’idea di passare da un’intelligenza artificiale che riconosce schemi a una che prova a prevedere il comportamento di un sistema biologico. Ma il valore di questo passaggio si misurerà nella capacità di formulare previsioni che gli esperimenti possano confermare o smentire. Se un modello sbaglia, capire perché ha sbagliato potrebbe essere altrettanto utile quanto ottenere una previsione corretta.
Non abbiamo ancora un cervello digitale completo. Abbiamo un programma ambizioso che vuole mettere insieme strumenti di misura, calcolo e neuroscienze per costruire una descrizione più dinamica del nostro organo più complesso. La domanda non è se una macchina possa diventare una mente umana, ma quanto possiamo imparare sulla nostra mente costruendo modelli che siano abbastanza precisi da essere messi alla prova.
