NeuroAI, il nuovo orizzonte che rilancia la ricerca neuromorfica

Per quasi trent’anni l’Istituto di Neuroinformatica di Zurigo è stato uno dei principali centri mondiali dedicati allo studio dei principi di funzionamento del cervello e alla loro traduzione in hardware e algoritmi. Fondato nel 1995 presso l’Università e il Politecnico di Zurigo, l’istituto ha raccolto l’eredità del lavoro pionieristico di Carver Mead e Misha Mahowald al Caltech, dove negli anni Ottanta nacque il termine neuromorphic engineering. 

Nel tempo, Zurigo è diventato un punto di riferimento globale: attorno ai fondatori Rodney Douglas, Kevan Martin e Misha Mahowald si sono formati gruppi che hanno attratto ricercatori come Joerg Kramer, Tobi Delbruck, Shih-Chii Liu e l’italiano Giacomo Indiveri, oggi professore all'Università di Zurigo e ETH.

Proprio da Zurigo, riparte una discussione cruciale: che cosa intendiamo davvero per “neuromorfico”?

Lo spunto è l’articolo di Indiveri pubblicato su Neuron, dal titolo “Neuromorphic is dead. Long live neuromorphic”
Nel commento pubblicato dall’ETH, Giacomo Indiveri spiega che il lavoro è dedicato alle origini e al significato del termine neuromorphic e che, nel tempo, il concetto è stato spesso usato in modo impreciso per indicare qualsiasi cosa “vicina all’AI”. Il suo paper, sottolinea, «is a call to go back to the original understanding of the term»

L’idea di fondo è chiara: recuperare il significato originario del neuromorfico, nato per capire l’intelligenza naturale costruendo circuiti fisici che riproducono, in modo credibile, il funzionamento del sistema nervoso, e non solo per avere chip più veloci.

Dal neuromorfico “biologico” all’etichetta di moda

Storicamente, il termine neuromorphic indicava circuiti elettronici analogici progettati per emulare direttamente l’organizzazione e le dinamiche dei neuroni e delle sinapsi biologiche.

Con il boom dell’intelligenza artificiale, però, l’etichetta si è allargata fino a includere tutto ciò che è vagamente “ispirato al cervello”: da semplici ottimizzazioni hardware per reti neurali profonde fino ad architetture massicciamente digitali, molto lontane dalla fisiologia del cervello.

È questo slittamento semantico che l’articolo di Indiveri critica: quando la parola neuromorphic diventa un ombrello per qualsiasi acceleratore di AI, il rischio è perdere di vista l’obiettivo originale di capire i principi computazionali che rendono il cervello così efficiente, adattivo e frugale in termini di dati. 

L’emergere della NeuroAI

Negli ultimi anni è emerso un filone che prova a ricucire il rapporto tra neuroscienze e intelligenza artificiale: la NeuroAI. L’idea è semplice da enunciare e difficile da realizzare: usare in modo sistematico risultati delle neuroscienze e della neuroscienza computazionale per progettare nuovi algoritmi e nuove architetture hardware per l’AI.

La tesi, che trova eco nel lavoro di Indiveri su Neuron e in altri contributi del settore, è che molte capacità tipiche del cervello, imparare da pochi esempi, generalizzare in contesti nuovi, adattarsi ad ambienti che cambiano, dipendano da principi computazionali che oggi i grandi modelli di deep learning imitano solo in parte. 

IBM e il calcolo ispirato al cervello: NorthPole, Spyre, Hermes

Tra i grandi attori industriali, IBM è uno dei più attivi nel campo del calcolo ispirato al cervello. Nei suoi laboratori di Zurigo opera, tra gli altri, Abu Sebastian, Distinguished Research Scientist e responsabile del gruppo AI Compute Frontiers.

Negli ultimi anni IBM ha presentato una serie di piattaforme che si collocano, con varie sfumature, nell’area del brain-inspired computing:

• NorthPole: un chip per neural inference che integra in modo stretto calcolo e memoria, riducendo il collo di bottiglia tra i due e ottenendo forti guadagni in efficienza energetica. I risultati pubblicati dal team di Dharmendra Modha mostrano prestazioni di punta su modelli come ResNet-50, YOLOv4 e BERT rispetto ad altre architetture specializzate.

• Spyre Accelerator: un acceleratore AI di nuova generazione, basato su 5 nm, con 32 core ottimizzati per l’intelligenza artificiale e fino a 300 TOPS di performance, destinato all’uso in sistemi IBM z e LinuxONE
  

• Hermes: un’architettura ibrida analogico-digitale basata su in-memory computing, in cui la stessa struttura fisica memorizza i pesi sinaptici e parte del calcolo, raggiungendo efficienze energetiche di ordini di grandezza superiori ai tradizionali acceleratori digitali in alcuni compiti di visione. 

Nessuno di questi progetti replica fedelmente l’idea originale di Mead e Mahowald — circuiti analogici che “mimano” neuroni reali — ma tutti mostrano come i concetti di integrazione calcolo/memoria e ispirazione biologica stiano plasmando la nuova generazione di chip per l’AI.

Perché serve tornare alla neuroscienza di base

Il messaggio che arriva da Zurigo è duplice. Sul piano lessicale e concettuale: usare con precisione il termine neuromorphic, evitando che diventi un’etichetta generica per qualunque acceleratore di AI. È il senso del titolo provocatorio di Indiveri, “Neuromorphic is dead. Long live neuromorphic”. Sul piano scientifico: tornare a guardare con attenzione alla neuroscienza di base, integrando seriamente neuroscienze, informatica, fisica dei dispositivi e progettazione di circuiti. Solo così, sostiene Indiveri, il neuromorfico può tornare a essere uno strumento per capire e non soltanto per calcolare. 

La neuroscienza computazionale ha già mostrato che, in diversi contesti, reti più piccole e strutturate possono eguagliare o superare modelli enormi quando sono progettate in modo più vicino ai principi del cervello. Questo spinge a riconsiderare la strategia puramente “scalare” dell’AI contemporanea, basata quasi solo sull’aumento di parametri, dati ed energia di calcolo. 

Verso un “rinascimento neuromorfico”?

L’obiettivo implicito di questo dibattito è un “rinascimento neuromorfico”: una nuova fase in cui il calcolo ispirato al cervello torni ad avere una forte radice scientifica, ancorata ai dati sperimentali sul sistema nervoso e alle sue proprietà emergenti.

Se questa strada porterà davvero a forme di intelligenza artificiale qualitativamente nuove è una domanda ancora aperta. Ma una cosa è chiara:
senza un dialogo stretto tra neuroscienze, ingegneria elettronica e informatica, il neuromorfico rischia di ridursi a una parola chiave nei bandi di ricerca.
Con questo dialogo, invece, può tornare a essere, per citare Indiveri, «un richiamo a recuperare il significato originario del termine», e quindi uno dei terreni più fertili per ripensare l’AI degli anni a venire.