Il cervello è la prossima infrastruttura tecnologica. Una long read dalla connettomica al potere transnazionale. Prima che le architetture diventino irreversibili.

Nota di metodo

La Whole Brain Emulation non viene qui trattata come fantascienza, né come occasione per riaprire il dibattito astratto sulla coscienza delle macchine. Il punto è più concreto: comprendere come la progressiva computabilità del cervello stia già generando nuove categorie di rischio, responsabilità e governance, e perché il diritto non possa permettersi che queste architetture siano già consolidate.

 

Mentre il dibattito pubblico continua a concentrarsi sui large language models, e una minoranza più attenta guarda già alla loro evoluzione verso i world models, una traiettoria meno visibile, ma estremamente più radicale, sta avanzando al confine tra neuroscienze, intelligenza artificiale, bioingegneria, microscopia avanzata e infrastrutture di calcolo: la Whole Brain Emulation, cioè l’ipotesi di costruire modelli computazionali biologicamente realistici di un cervello.

Se gli LLM hanno reso visibile la straordinaria capacità delle macchine di generare e manipolare linguaggio, i World Models promettono un passaggio ulteriore: costruire rappresentazioni predittive di ambienti, stati, azioni e conseguenze.
L’attenzione si sposta così dalle parole alle dinamiche del mondo, non solo produrre sequenze plausibili, ma simulare scenari, anticipare gli effetti possibili di un’azione, e rappresentare leggi fisiche e relazioni causali all’interno di ambienti fisici, digitali o sociali.

La Whole Brain Emulation pone però una domanda ancora più profonda: non come modellare il linguaggio o il mondo, ma come ricostruire l’architettura biologica da cui emergono esperienza, apprendimento, comportamento e decisione.

È questa la differenza decisiva: gli LLM imitano l’intelligenza a livello di output,  i WM cercano di rappresentare ambienti e conseguenze; la Whole Brain Emulation tenta di risalire all’infrastruttura causale biologica della cognizione.

Ma attenzione, non si tratta più soltanto di una fantasia fantascientifica, la Whole Brain Emulation ha iniziato a cambiare statuto: da speculazione teorica a traiettoria ingegneristica credibile.

Il punto di svolta non è una singola scoperta, ma la convergenza di tre acceleratori tecnologici:

La convergenza di questi tre acceleratori sta modificando lo statuto della Whole Brain Emulation, non più semplice ipotesi speculativa, ma traiettoria ingegneristica che inizia a essere discussa in termini di tempi, costi, pipeline industriali e infrastrutture di dati.

Questa trasformazione merita attenzione non perché l’emulazione integrale del cervello umano sia già disponibile, ma perché il problema ha cambiato natura, non si tratta più soltanto di una domanda filosofica su coscienza, identità o immortalità digitale, ma è sempre più una questione di pipeline scientifiche, dati biologici, automazione, capitale, infrastrutture e governance.

Simulare un comportamento non significa emulare un cervello

Una parte rilevante dell’attuale discussione sull’intelligenza artificiale è costruita intorno alla capacità dei modelli di produrre output umani: testi, immagini, software, previsioni, decisioni assistite.

I large language models rappresentano sicuramente una delle più potenti tecnologie cognitive oggi disponibili, ma non sono copie del cervello umano, né tentativi di ricostruirne l’architettura biologica. Sono sistemi statistici estremamente sofisticati, addestrati su enormi quantità di dati, capaci di generare sequenze linguistiche plausibili sulla base di regolarità apprese.

In questo senso, gli LLM sono soprattutto macchine di superficie, non perché siano semplici, al contrario, la loro complessità tecnica è enorme; ma operano prevalentemente sul piano della correlazione tra input e output, apprendono configurazioni statistiche del linguaggio e producono risposte che possono apparire ragionate, creative, pertinenti, persino sorprendenti.

Il loro successo non dimostra che abbiamo ricostruito il cervello, dimostra semplicemente che una macchina può produrre comportamenti linguistici altamente sofisticati senza riproduzione della struttura biologica da cui, nell’uomo, emergono percezione, memoria, intenzionalità, affettività, apprendimento incarnato e decisione.

La differenza può essere formulata così: un LLM può imparare a descrivere il volo di un uccello, o persino aiutare a progettare un aeroplano, ma non è costruito per emulare il corpo, il sistema nervoso e la dinamica sensori-motoria di un uccello. Allo stesso modo, può produrre linguaggio umano senza essere un modello biologicamente realistico del cervello umano.

La WBE pone una domanda diversa, non si limita a chiedere unicamente se una macchina possa sembrare intelligente, ma se sia possibile ricostruire, con un livello sufficiente di fedeltà, l’architettura fisica e funzionale del sistema biologico da cui emergono comportamento, memoria, apprendimento e decisione.

Una cosa è generare l’output di un processo, tutt’altra è ricostruire la struttura causale che produce quel processo.

Se un LLM può essere paragonato a una fotografia estremamente sofisticata di un incendio, quindi capace di rappresentarne forme, colori e dinamiche apparenti, la Whole Brain Emulation mira a ricostruire la combustione stessa: le condizioni materiali, le interazioni e le trasformazioni che generano il fenomeno.

La metafora non va presa alla lettera, ma illumina il punto; la WBE non vuole soltanto riprodurre il comportamento osservabile dell’intelligenza, ma vuole modellare il substrato biologico che rende possibile quel comportamento.

In questo senso, il cervello non viene trattato solo come metafora dell’intelligenza, ma come sistema fisico da mappare, modellare e, almeno in linea di principio, eseguire su hardware digitale.

Dalla simulazione statistica all’emulazione biologica

La differenza tra LLM e WBE non va intesa in termini di potenza, ma di architettura.

Gli LLM appartengono a una famiglia di sistemi che apprendono da grandi quantità di dati e producono output sulla base di pattern, la loro forza risiede nella capacità di modellare regolarità linguistiche, semantiche e contestuali. Per questo possono sintetizzare documenti, generare testi, scrivere codice, simulare stili, costruire argomentazioni e assistere processi decisionali. Ma la loro intelligenza resta “estratta” dal comportamento umano registrato nei dati, non ricostruita a partire dal substrato biologico che produce quel comportamento.

La WBE segue una logica diversa, non parte dal corpus dei testi, delle immagini o degli output umani, parte dal cervello come sistema materiale. Cerca di mappare il wiring, ricostruire la dinamica dei neuroni, comprendere la funzione delle connessioni, modellare la neuroplasticità, integrare segnali strutturali e funzionali.
L’ambizione non è chiedere a una macchina di comportarsi “come se” fosse intelligente, ma di costruire un modello che incorpori, almeno in parte, le condizioni causali attraverso cui un sistema biologico genera comportamento intelligente.

Questa differenza è essenziale anche dal punto di vista giuridico e strategico.
Finché regoliamo modelli di output, il problema principale riguarda dati di addestramento, trasparenza, responsabilità, proprietà intellettuale, sicurezza, bias e uso corretto. Ma se iniziamo a modellare architetture cerebrali, il campo cambia: non stiamo più trattando soltanto dati culturali, documentali o comportamentali, stiamo entrando nel territorio delle strutture neurobiologiche dell’identità e della decisione.

La connettomica come geometria del pensiero

Il cuore della Whole Brain Emulation è la connettomica, vale a dire la mappatura delle connessioni tra neuroni, cioè del cosiddetto connettoma.
Se il genoma descrive una parte essenziale dell’informazione biologica ereditaria, il connettoma aspira a descrivere una parte essenziale dell’architettura attraverso cui il sistema nervoso organizza informazione, comportamento e apprendimento.

La metafora va usata con cautela, poiché il pensiero non può essere ridotto meccanicamente a un semplice schema di connessioni. Il cervello, come ci insegnano le neuroscienze è anche dinamica elettrica, chimica, modulazione ormonale, plasticità, corpo, ambiente.

Nessuna mappa statica, da sola, può catturare l’intera vita di un sistema nervoso, tuttavia, senza una mappa delle connessioni, l’attività neurale rischia di restare un fenomeno osservato ma non sufficientemente interpretabile. Ecco quindi che la connettomica è, in questo senso, una possibile geometria del pensiero: non l’intero pensiero, ma la sua infrastruttura relazionale.

Negli ultimi anni questa traiettoria ha prodotto risultati significativi in letteratura scientifica. Il connettoma del cervello adulto della Drosophila melanogaster, realizzato dal consorzio FlyWire e pubblicato su Nature, ha mappato oltre 139.000 neuroni e oltre 50 milioni di connessioni sinaptiche, segnando una soglia storica per la connettomica whole-brain su un organismo complesso.

Questo risultato, tuttavia, non equivale ancora a un’emulazione integrale, una mappa strutturale non è un cervello funzionante, così come una carta stradale non descrive da sola il traffico, gli incidenti, i flussi, le decisioni e le variazioni dinamiche che attraversano una città.

La WBE richiede quindi l’integrazione tra connettoma strutturale e dinamica funzionale, attività elettrica, proprietà biofisiche dei neuroni, plasticità sinaptica, neuromodulazione, stato corporeo e interazione ambientale.
In termini computazionali, questo significa combinare mappe anatomiche con modelli dinamici dell’attività neuronale, dalle approssimazioni integrate-and-fire fino a modelli biofisici più dettagliati.

Il salto verso mammiferi e, in prospettiva, verso l’uomo resta enorme, ma è proprio qui che i tre acceleratori tecnologici assumono importanza strategica.

La microscopia ad espansione consente di superare alcuni limiti della microscopia tradizionale, ingrandendo fisicamente il campione biologico attraverso polimeri espandibili.

Il barcoding molecolare può permettere di identificare cellule, connessioni e proiezioni neurali con maggiore precisione.

L’automazione tramite AI può ridurre la dipendenza da un lavoro umano di proofreading oggi ancora molto oneroso.

In questa prospettiva, la connettomica non è soltanto una disciplina di frontiera delle neuroscienze, ma è il tentativo di trasformare l’architettura fisica delle connessioni neuronali in un modello leggibile, computabile e progressivamente integrabile con dati funzionali.

Chi scrive ritiene fondamentale evidenziare che il punto non sia soltanto scientifico, ma industriale. La neuroscienza, per procedere verso forme avanzate di emulazione, deve trasformarsi da attività prevalentemente laboratoriale e frammentata in una filiera di produzione, standardizzazione e interpretazione di dati biologici ad altissima complessità.

Il vero collo di bottiglia: dati biologici, non solo potenza di calcolo

Nel dibattito sull’AI siamo abituati a ragionare in termini di potenza computazionale: chip, GPU, data center, energia, modelli sempre più grandi, la WBE costringe a spostare l’attenzione altrove.

La domanda non va posta in termini di volume di calcolo sufficiente a “far girare” un cervello digitale, preliminarmente va verificata la capacità di produrre dati biologici sufficientemente accurati per costruire quel modello, ed è qui che si appalesa il vero bottleneck.

Un’emulazione cerebrale non richiede soltanto capacità di calcolo, richiede l’acquisizione, segmentazione, correzione, annotazione e integrazione di quantità enormi di dati strutturali e funzionali; richiede di passare dall’immagine biologica al dato computazionale, e dal dato computazionale al modello dinamico.

Sistemi come PATHFINDER sono rilevanti proprio perché affrontano una parte di questo problema, quello dell’automazione della ricostruzione dei neuroni da immagini di tessuto cerebrale.

Il loro valore non risiede soltanto nella performance tecnica, ma nel fatto che indicano una direzione: trasformare la ricostruzione dei circuiti cerebrali da attività artigianale, lenta e dipendente da correzione umana intensiva, in una pipeline progressivamente automatizzabile.

Questo è un passaggio decisivo, poiché se la correzione manuale restasse al centro della pipeline, la connettomica su scala mammifera rimarrebbe economicamente e temporalmente proibitiva. Laddove l’AI inizia a trasformare la ricostruzione neuronale in un processo scalabile, riducendo di ordini di grandezza il collo di bottiglia umano della correzione manuale, allora l’intero campo cambia struttura e la feasibility diviene raggiungibile.

La Whole Brain Emulation non dipende quindi da un solo progresso, ma dalla convergenza tra biologia sperimentale, imaging, machine learning, automazione, infrastrutture di dati e architetture hardware.

È un caso esemplare di tecnoscienza: non scienza pura da una parte e tecnologia applicata dall’altra, ma un sistema ibrido in cui conoscenza, strumenti, piattaforme, capitale e potere industriale evolvono insieme.

Dal cervello come oggetto biologico al cervello come infrastruttura computazionale

La conseguenza più profonda di quanto sin qui descritto è che il cervello tende a diventare (almeno parzialmente) un oggetto computabile, non nel senso banale per cui ogni fenomeno biologico può essere ridotto a software, ma nel senso più concreto per cui alcune sue strutture possono essere mappate, trasformate in dati, modellate, simulate, confrontate, eseguite, manipolate.

Questo passaggio produce una trasformazione concettuale, il cervello non è più soltanto oggetto di osservazione medica o neuroscientifica, ma diviene anche una possibile infrastruttura computazionale.

In questa prospettiva, la Whole Brain Emulation potrebbe avere applicazioni molto diverse tra loro: ricerca su patologie neurologiche e psichiatriche, test digitali prima di sperimentazioni in vivo, modelli più realistici di apprendimento, AI biologicamente ispirata, studio della memoria, della plasticità, della personalità, della coscienza e dei meccanismi decisionali.

Ma proprio questa ricchezza applicativa apre un problema di governance anticipatoria.

Queste domande non sono marginali, sono il punto in cui la Whole Brain Emulation entra nel campo del diritto, della bioetica, della responsabilità e della strategia istituzionale.

Dati neurali, identità e responsabilità

Nel diritto contemporaneo siamo abituati a trattare dati personali, dati sanitari, dati genetici, dati biometrici; i dati neurali pongono però una questione più radicale, non descrivono soltanto una caratteristica della persona, ma possono avvicinarsi alla rappresentazione delle condizioni materiali attraverso cui quella persona percepisce, ricorda, apprende, decide.

Un connettoma individuale non rappresenterebbe un dato qualunque, sarebbe l’infrastruttura causale della persona, o quantomeno una delle sue componenti neurobiologiche più profonde, poichè descrive la struttura attraverso cui percezione, memoria, apprendimento e decisione possono essere organizzati.

Questa qualificazione sposta il problema oltre la privacy intesa in senso ordinario.
In prospettiva, modelli cerebrali individuali sufficientemente accurati potrebbero essere sottoposti a simulazioni ripetute di scenari, stimoli e alternative decisionali, aprendo un rischio prospettico di reverse engineering decisionale: non un “brute force” meccanico della mente, ma una nuova capacità di inferire vulnerabilità cognitive, pattern di risposta e possibili traiettorie decisionali.

È qui che la Whole Brain Emulation incontra il tema dei neurodiritti e della neuroetica, della protezione dell’identità mentale, della libertà cognitiva, dell’integrità psichica, della continuità personale e del controllo sulle rappresentazioni digitali del sé.

Il dibattito internazionale tende oggi a organizzarsi attorno ad alcune categorie ricorrenti: privacy mentale, identità personale, agency o libero arbitrio, accesso equo al potenziamento cognitivo e protezione da bias e discriminazioni neuro-algoritmiche. Queste categorie sono discusse nell’avanguardia del dibattito internazionale sui neurodiritti, ma non possono essere considerate ancora “regolate” in modo maturo e uniforme, poichè il quadro resta frammentato, sperimentale e non uniformemente positivizzato.

La comparazione giuridica mostra bene questa fase di transizione.
Il Cile è spesso richiamato come caso pionieristico, avendo introdotto una protezione costituzionale riferita all’integrità mentale e allo sviluppo scientifico e tecnologico nel campo neurotecnologico.

Nel 2021 il lo Stato andino ha approvato la Legge 21.383, che ha modificato l'articolo 19 della Costituzione cilena, introducendo una protezione esplicita dell'attività cerebrale e delle informazioni che ne derivano.
La norma stabilisce che tali dati non possono essere oggetto di appropriazione, utilizzo, manipolazione o trasformazione da parte di terzi senza il consenso informato del titolare.

È il primo caso al mondo di tutela costituzionale esplicita dei dati cerebrali, non come mera estensione della privacy sanitaria, ma come categoria autonoma riferita all'integrità della sfera mentale.

Il quadro cileno si inscrive nel più ampio progetto teorico sviluppato dal neuroscienziato Rafael Yuste della Columbia University, che ha coniato il termine "neurodiritti" e proposto cinque categorie fondamentali: privacy mentale, identità personale, libero arbitrio, accesso equo al potenziamento cognitivo e protezione da bias e discriminazioni neuro-algoritmiche. È questo framework concettuale, più che un corpus normativo consolidato, a circolare oggi nei dibattiti internazionali.

Il caso cileno va però letto con la necessaria cautela comparatistica: si tratta di una norma costituzionale programmatica, ancora in attesa di una legislazione attuativa organica. Il suo valore è principalmente segnaletico, indica che la questione ha raggiunto una soglia di rilevanza tale da richiedere presidio costituzionale, più che operativo in senso tecnico-giuridico. Questo non ne diminuisce il peso simbolico e politico, ma chiarisce perché non possa essere considerato un modello immediatamente esportabile o un punto di arrivo del dibattito regolatorio.

In parallelo, organismi internazionali e istituzioni sovranazionali hanno iniziato a trattare la neurotecnologia come un campo che richiede non soltanto regole di data protection, ma garanzie più ampie sulla libertà mentale, sull’integrità della persona e sulla protezione da forme di accesso o interferenza non autorizzata nella sfera cognitiva.

Questo non significa che esista già un diritto internazionale dei neurodiritti in senso compiuto, ma evidenzia più precisamente che le categorie giuridiche tradizionali sono sotto pressione.

Il GDPR resterebbe una cornice rilevante, ma insufficiente, poichè la questione toccherebbe anche identità mentale, integrità psichica, agency, sicurezza cognitiva e governance di infrastrutture neurocomputazionali.

Il problema non va inquadrato unicamente nel quesito indubbiamente più spettacolare, vale a dire se una futura emulazione integrale possa essere considerata persona.
A parere di chi scrive vi sono domande di natura più operativa, ma prioritarie in funzione del corretto sviluppo della tecnologia.

L’emulazione cerebrale, anche prima di diventare pienamente “umana”, può quindi produrre una nuova classe di rischi: non solo privacy risk, ma identity risk, cognitive security risk, bioinformational risk.

Una tecnologia di frontiera a vocazione duale

La Whole Brain Emulation appartiene anche alla famiglia delle tecnologie a possibile vocazione duale, c.d. dual-use technology.

Da un lato, può abilitare avanzamenti straordinari nella comprensione del cervello, nella medicina, nella farmacologia, nella psichiatria computazionale, nelle neurotecnologie e nell’AI safety; dall’altro, può generare nuove asimmetrie di potere e alimentare quelle pre-esistenti tra Stati, piattaforme, laboratori, imprese biotech, operatori AI, infrastrutture cloud e attori del comparto difesa.

Se il genoma è stato una delle grandi infrastrutture biologiche del secolo scorso, il connettoma potrebbe diventare una delle grandi infrastrutture neurocomputazionali del prossimo ciclo tecnologico: la posta in gioco non è soltanto scientifica, ma altresì geopolitica e geoeconomica.

Chi controlla la capacità di mappare, interpretare e modellare sistemi cerebrali complessi può acquisire vantaggi nella ricerca biomedica, nell’intelligenza artificiale, nella robotica, nella medicina personalizzata, nella simulazione di comportamento e nelle tecnologie cognitive.

In questa prospettiva, la WBE non va letta come un tema isolato.
Si colloca dentro una trasformazione più ampia, quella della convergenza tra AI, biologia, neuroscienze, calcolo ad alte prestazioni, data infrastructure e capitale privato.

È la stessa traiettoria che sta ridefinendo il concetto di “tecnologia”, liberandolo dal silenzioso sequestro semantico prodotto dall’ ultima ondata digitale. Per oltre un decennio, piattaforme e app digitali hanno costituito il rumore di fondo culturale del discorso sull’innovazione, finendo per rendere “tecnologia” quasi sinonimo di digitale e di platform economy.

La “nuova” frontiera si gioca sempre più nella convergenza tra materia, vita, cognizione, calcolo e infrastrutture, sistemi profondi che attraversano bit, atomi, neuroni e geni, producendo effetti simultaneamente socioeconomici, giuridici, strategici, geopolitici ed ambientali.

Perché il diritto non può attendere la maturità della tecnologia

Una delle debolezze ricorrenti del diritto di fronte alle tecnologie emergenti è l’attesa della maturità applicativa. Si interviene quando la tecnologia è già diffusa, i mercati sono già formati, gli standard sono già stabiliti e le asimmetrie di potere sono già difficili da correggere.

Nel caso della Whole Brain Emulation, questo approccio sarebbe insufficiente e non occorre attendere un cervello umano pienamente emulato per comprendere che la traiettoria è già strategicamente centrale: la governance nasce prima, nelle già rilevanti tecnologie di mappatura, nelle infrastrutture di dati, negli investimenti in connettomica, nei modelli di proprietà, di accesso, standardizzazione e controllo, nonché nelle implicazioni su ricerca, salute, AI, neurotecnologie e sicurezza.

Il diritto, in questo campo, non dovrebbe limitarsi a reagire, ma dovrebbe contribuire a costruire l’architettura di governance, prima che l’infrastruttura diventi irreversibile.

La Whole Brain Emulation è un esempio paradigmatico del motivo per cui il diritto della tecnoscienza non possa essere ridotto a una singola verticale disciplinare.
Non è solo proprietà intellettuale, non è solo data protection, non è solo Ai regulation, non è solo biodiritto e bioetica, investe il diritto ambientale, i diritti umani, le relazioni economiche, il diritto internazionale, e più ancora, la dimensione transnazionale dei rapporti tecnologici.

È un campo di convergenza in cui dati neurali, identità personale, infrastrutture computazionali, ricerca biomedica, capitale privato, sicurezza, geopolitica, impatti sociali e governance ambientale delle infrastrutture di calcolo si intrecciano nello stesso oggetto tecnologico.

È precisamente in questa zona di interdipendenza che il giurista tecnologo deve operare: non come specialista di una sola categoria, ma come interprete sistemico delle condizioni giuridiche, strategiche ed istituzionali della trasformazione tecnoscientifica.

Questo significa muoversi su almeno cinque pilastri:

  1. Distinguere con precisione tra simulazione, emulazione, modello cerebrale generico e modello derivato da un individuo specifico.
  2. Definire regole solide per la raccolta, conservazione, interoperabilità e utilizzo dei dati neurali.
  3. Chiarire i rapporti tra proprietà intellettuale, controllo dei dati, diritti della persona, interessi della ricerca biomedica e più in generale della ricerca scientifica, a prescindere dalla specifica matrice tecnologica (digitale, materiale, biologica o cognitiva) attraverso cui tali tensioni si manifestano.
  4. Valutare la dimensione dual-use delle tecnologie di connettomica, soprattutto quando convergono con AI, difesa, cognitive security e infrastrutture strategiche.
  5. Costruire una governance transdisciplinare, capace di integrare diritto, neuroscienze, bioetica, AI, life sciences, strategia industriale e policy pubblica.

Sebbene la WBE abbia un TRL (technology readiness level) sistemico ancora basso, in realtà vanta una pipeline di tecnologie abilitanti a TRL differenziati ed in rapida accelerazione; non è ancora una tecnologia quotidiana e non è un prodotto di mercato, non è neppure la promessa realizzata dell’upload della mente umana, ma non è più neppure un tema confinabile alla fantascienza.

Il suo significato non riguarda soltanto il futuro dell’intelligenza artificiale, ma impatta il modo in cui le società avanzate inizieranno a trattare il cervello: non solo come organo biologico, ma come sistema informazionale, infrastruttura computazionale e possibile oggetto di modellazione industriale.

Per imprese, istituzioni e decisori, la domanda corretta da formulare in chiave anticipatoria non è se domani esisterà un cervello umano digitale pienamente funzionante, ma è assai più immediata: chi governerà le infrastrutture, i dati, gli standard, i diritti e le responsabilità che renderanno possibile quella traiettoria?

È su questo terreno che il diritto è chiamato a muoversi in anticipo.

Non per inseguire la tecnologia quando sarà già matura, ma per comprenderne da subito l’architettura, i rischi e le condizioni di legittimità.

Massimiliano Passalacqua

Avvocato d’affari e internazionalista, giurista tecnologo e ambientale