CL1, il computer con neuroni umani gioca a Doom e apre ai data center biologici

L’idea di utilizzare cellule cerebrali umane come unità di calcolo non appartiene più alla fantascienza. Un gruppo di ricerca australiano ha portato questo concetto in un contesto ingegneristico concreto sviluppando un computer biologico capace di eseguire software reali. Il sistema, denominato CL1, combina neuroni biologici coltivati in laboratorio – cioè cellule nervose fatte crescere in un ambiente controllato – con componenti elettronici convenzionali, permettendo l’interazione tra tessuto nervoso vivo e hardware informatico tradizionale.

Del primo biocomputer CL1 basato su neuroni umani avevamo già parlato esattamente un anno fa, a marzo 2025, ma il sistema approntato dagli ingegneri di Cortical Labs fa sempre più parlare di sé dopo una dimostrazione pubblica in cui un cluster di cellule nervose ha potuto controllare lo storico videogioco Doom. La sperimentazione rappresenta un punto di incontro tra neuroscienze, microelettronica e informatica e apre la strada a infrastrutture di calcolo ibride che potrebbero affiancare i data center tradizionali.

Come nasce il progetto CL1, il biocomputer con neuroni umani

Il progetto nasce all’interno della startup australiana Cortical Labs, fondata nel 2019 a Melbourne da ricercatori con competenze che spaziano dalla neurobiologia alla progettazione di sistemi software. La società aveva già dimostrato nel 2022 un prototipo chiamato DishBrain, in cui reti neuronali coltivate in vitro imparavano a giocare a Pong grazie a un sistema di feedback elettrofisiologico.

L’evoluzione di quella ricerca ha portato nel 2025 alla presentazione del CL1, definito il primo computer biologico commercialmente disponibile. L’architettura sfrutta neuroni derivati da cellule staminali umane e li collega a circuiti elettronici che trasformano segnali digitali in impulsi elettrici interpretabili dalle cellule nervose.

Nella più recente dimostrazione, un cluster composto da circa 200.000 neuroni può interagire con un ambiente software complesso come Doom, convertendo gli stimoli visivi del gioco in segnali elettrici e traducendo l’attività neuronale in comandi come movimento o fuoco. L’esperimento non ha evidentemente finalità ludiche. L’obiettivo consiste nel dimostrare che una rete biologica può apprendere e adattarsi in tempo reale all’interno di un sistema computazionale chiuso, un comportamento difficile da replicare con hardware tradizionale senza modelli di apprendimento estremamente complessi.

Come funziona un computer biologico

Il cuore del sistema CL1 di Cortical Labs è costituito da neuroni umani coltivati su un chip dotato di una matrice di elettrodi ad alta densità chiamata multi-electrode array. Gli elettrodi registrano l’attività elettrica delle cellule e, allo stesso tempo, possono stimolarle con impulsi controllati. In pratica il chip agisce come interfaccia bidirezionale tra il tessuto neuronale e il software di controllo.

Il sistema integra un ambiente software proprietario denominato biOS, acronimo di Biological Intelligence Operating System. Tale livello software crea un ciclo chiuso tra ambiente digitale e rete neuronale: i dati provenienti dall’applicazione sono convertiti in schemi di stimolazione elettrica, mentre le risposte delle cellule sono analizzate e trasformate in output computazionale.

In presenza di un feedback coerente le cellule modificano gradualmente i propri pattern di attività, mostrando forme di apprendimento adattivo.

L’unità è progettata come un modulo autonomo. All’interno dell’involucro sono presenti sistemi di supporto vitale che mantengono le cellule in condizioni stabili: controllo della temperatura, filtrazione dei metaboliti, miscelazione dei gas e pompaggio continuo di una soluzione nutritiva. In queste condizioni i neuroni possono rimanere vitali fino a 6 mesi, permettendo esperimenti di lunga durata senza sostituzione del tessuto biologico.

La piattaforma utilizza un’interfaccia più stabile e un sistema di controllo elettronico che consente di distribuire codice direttamente alla rete neuronale tramite API dedicate (sviluppate in Python). Cortical Labs ha reso disponibile anche un’infrastruttura cloud che consente ai ricercatori di eseguire esperimenti su reti biologiche reali senza disporre di un laboratorio biologico locale.

Data center biologici: il progetto Melbourne e Singapore

L’evoluzione più ambiziosa riguarda la costruzione di infrastrutture di calcolo basate su queste unità biologiche. Cortical Labs ha annunciato una collaborazione con la società DayOne per realizzare due piccoli data center sperimentali. Il primo sorgerà a Melbourne e ospiterà circa 120 unità CL1, mentre un secondo impianto previsto a Singapore potrebbe arrivare progressivamente fino a 1.000 sistemi installati.

La fase iniziale del progetto asiatico coinvolgerà circa 20 unità installate presso la Yong Loo Lin School of Medicine della National University of Singapore. L’obiettivo della fase di validazione consiste nel verificare la stabilità operativa dei sistemi biologici quando funzionano in parallelo e con carichi computazionali coordinati.

Un data center di questo tipo non sostituisce le architetture tradizionali basate su CPU o GPU. Le unità biologiche svolgono compiti specifici legati alla capacità di apprendimento adattivo delle reti neuronali.

Efficienza energetica e limiti attuali

Uno degli argomenti centrali del progetto riguarda il consumo energetico. Le moderne infrastrutture per l’intelligenza artificiale richiedono enormi quantità di elettricità, con singoli acceleratori GPU che possono consumare centinaia di watt ciascuno e cluster di addestramento che raggiungono livelli energetici comparabili a quelli di piccoli centri urbani.

CL1 opera invece con consumi molto inferiori e, secondo le stime diffuse dall’azienda, utilizza una quantità di energia paragonabile o addirittura inferiore a quella di una calcolatrice tascabile.

Questa efficienza deriva dalle caratteristiche intrinseche delle cellule nervose. I neuroni elaborano informazioni attraverso variazioni di potenziale elettrico e connessioni sinaptiche che si auto-organizzano. Un sistema biologico non richiede miliardi di operazioni matematiche per apprendere una relazione tra stimolo e risposta: l’adattamento emerge direttamente dalle proprietà elettrochimiche della rete neuronale.

La tecnologia presenta comunque limiti significativi. Le prestazioni computazionali non competono con i processori digitali per carichi di lavoro tradizionali e l’apprendimento osservato nei prototipi rimane rudimentale. Nella dimostrazione con Doom, ad esempio, la rete neuronale reagisce agli stimoli ma controlla il personaggio con abilità paragonabile a quella di un giocatore principiante.

Applicazioni scientifiche e prospettive

Il valore principale di questi sistemi potrebbe emergere nella ricerca biomedica e nelle neuroscienze. Un computer biologico consente di osservare direttamente il comportamento di neuroni umani in un ambiente controllato e programmabile. I ricercatori possono simulare stimoli complessi, studiare la formazione delle sinapsi o testare l’effetto di farmaci su reti neuronali vive.

Un altro ambito riguarda lo sviluppo di modelli computazionali ispirati alla biologia. Le reti neuronali artificiali utilizzate nell’intelligenza artificiale derivano concettualmente dal cervello, ma funzionano su hardware completamente diverso. Una piattaforma biologica programmabile permette di confrontare direttamente l’apprendimento delle cellule reali con quello degli algoritmi di machine learning.

Non mancano questioni etiche e scientifiche. L’aumento della complessità delle colture neuronali solleva interrogativi sulla possibile emergenza di forme rudimentali di coscienza o percezione.

Gli sviluppatori sostengono che i sistemi attuali non possiedono alcuna struttura cerebrale organizzata, ma la ricerca nel campo della cosiddetta “biological computing” richiederà probabilmente nuovi quadri normativi.

L’esperimento dei data center biologici rappresenta quindi un passaggio esplorativo. Non punta a sostituire l’informatica tradizionale, ma a testare un modello di calcolo che sfrutta direttamente l’evoluzione biologica delle cellule nervose. Se la tecnologia dimostrerà stabilità e utilità pratica, nei prossimi anni potrebbero emergere infrastrutture ibride in cui silicio e neuroni cooperano nello stesso ambiente computazionale.