Per decenni abbiamo creduto che i neuroni “che si attivano insieme, si connettano insieme”. Questa massima, derivata dalla teoria dell’apprendimento hebbiano formulata nel 1949, è stata un punto fermo delle neuroscienze. Ma una scoperta pubblicata sulla rivista Science e firmata dai ricercatori della Stanford University cambia le carte in tavola.
Utilizzando avanzatissimi biosensori fluorescenti, il team è riuscito a osservare dal vivo, nel cervello di topi impegnati in un compito di apprendimento, come si modificano le singole sinapsi nel tempo. E quello che hanno scoperto ha dell’incredibile: non tutte le sinapsi seguono le stesse regole, e addirittura all’interno dello stesso neurone si attivano meccanismi diversi.
Apprendere non è un processo uniforme
La corteccia motoria, regione coinvolta nell’apprendimento di movimenti complessi, è stata il campo di osservazione. Qui i ricercatori hanno notato che le sinapsi si comportano in modo diverso in base alla loro posizione:
- Le sinapsi apicali, situate nella parte più esterna dei neuroni piramidali, si rafforzano quando sono attive contemporaneamente a quelle vicine, indipendentemente dal fatto che il neurone ricevente stia inviando un segnale.
- Le sinapsi basali, più vicine al corpo cellulare, si rafforzano solo se il neurone ricevente è attivo nello stesso momento.
In parole semplici, il cervello usa almeno due strategie distinte di apprendimento, e decide quale applicare in base a dove si trovano le sinapsi.
Un cervello, tante intelligenze
Questo nuovo modello sposta radicalmente la nostra idea di apprendimento: il cervello non è un sistema lineare, ma un mosaico dinamico di regole e adattamenti. Le sinapsi apicali sembrano più adatte a processare contesti complessi, incerti, dove serve integrare informazioni disparate. Quelle basali, invece, servono a riconoscere schemi stabili, ripetitivi, tipici della routine.
In pratica, il cervello sceglie come imparare, a seconda di ciò che deve imparare. Un concetto che potrebbe rivoluzionare tanto la didattica quanto l’intelligenza artificiale.
Prospettive future: dalla terapia all’IA
Capire questa pluralità di meccanismi può avere enormi ricadute terapeutiche. Disturbi come la depressione o l’Alzheimer potrebbero essere rianalizzati in base alla “geografia” delle sinapsi coinvolte, aprendo la strada a trattamenti più mirati.
Ma la scoperta apre anche scenari promettenti per l’intelligenza artificiale. Finora, le reti neurali artificiali si basano su una logica semplice e uniforme, ispirata al vecchio modello hebbiano. Incorporare invece questa diversità sinaptica potrebbe rendere le AI più flessibili, potenti e “cerebrali”.
Il cervello, ancora una volta, si dimostra molto più intelligente di quanto credevamo.
Foto di Justin Luebke su Unsplash