Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
On a bench at the University of Bristol, a few millimetres of human brain tissue, grown from cells in a dish, is now sorting touch signals. A tactile sensor scans a Braille character and turns what it feels into patterns of electrical stimulation. Those pulses travel into the organoid, the tiny lab-grown model of the human forebrain, and come back as a pattern of activity that a conventional learning algorithm then reads as a letter.
Su un banco di lavoro dell'Università di Bristol, pochi millimetri di tessuto cerebrale umano, coltivato a partire da cellule in una capsula di Petri, smistano ora segnali tattili. Un sensore tattile scandisce un carattere Braille e trasforma ciò che percepisce in schemi di stimolazione elettrica. Quegli impulsi raggiungono l'organoide, il minuscolo modello di prosencefalo umano coltivato in laboratorio, e tornano sotto forma di uno schema di attività che un algoritmo di apprendimento convenzionale interpreta come una lettera.
The figures show how much one piece of tissue can carry. Each organoid, built from around 10,000 nerves and supporting cells, identified the correct letter with 61% accuracy on its own. Combining the responses of three organoids lifted accuracy to 83%, and the combined system held up better when the team added artificial noise. The organoids were never trained to read Braille: they used a fixed encoding of the letters, and the algorithm did the classification. The study shows that living tissue can transform touch information while keeping useful patterns, not that it has learned to read.
I dati mostrano quanto possa trasportare un solo pezzo di tessuto. Ogni organoide, costituito da circa 10.000 nervi e cellule di supporto, ha riconosciuto la lettera corretta con una precisione del 61% da solo. Combinando le risposte di tre organoidi, la precisione è salita all'83%, e il sistema combinato ha retto meglio quando il team ha aggiunto rumore artificiale. Gli organoidi non sono mai stati addestrati a leggere il Braille: usavano una codifica fissa delle lettere, e a classificarle era l'algoritmo. Lo studio dimostra che il tessuto vivente può trasformare informazioni tattili conservando schemi utili, non che abbia imparato a leggere.
The biggest test came from a collaboration between Cortical Labs and Honda Research Institute Europe. Cortical Labs' CL1 biological computers were connected to a virtual agent that had to head toward a simulated odour source, choosing between moving forward, turning left or turning right. The researchers tried about 1,300 configurations of the electrical signals, logging more than 4,000 hours of real-time interaction across dozens of biological units. Only 12 configurations learned consistently across episodes, and under comparable conditions those optimised agents beat conventional reinforcement-learning benchmarks at navigation. The work will be presented at NeurIPS, the machine-learning conference, in Sydney. The method behind it, called an Embodied Neurocomputation Framework, treats the unpredictability of neurons as an engineering problem to be systematically tuned.
Il test più impegnativo è venuto da una collaborazione tra Cortical Labs e Honda Research Institute Europe. I computer biologici CL1 di Cortical Labs sono stati collegati a un agente virtuale che doveva dirigersi verso una fonte di odore simulata, scegliendo tra avanzare, girare a sinistra o girare a destra. I ricercatori hanno provato circa 1.300 configurazioni dei segnali elettrici, registrando più di 4.000 ore di interazione in tempo reale su decine di unità biologiche. Solo 12 configurazioni hanno imparato in modo costante nel corso degli episodi e, in condizioni comparabili, quegli agenti ottimizzati hanno battuto i test di riferimento convenzionali dell'apprendimento per rinforzo nella navigazione. Il lavoro sarà presentato alla NeurIPS, la conferenza sull'apprendimento automatico, a Sydney. Il metodo alla base, chiamato Embodied Neurocomputation Framework, tratta l'imprevedibilità dei neuroni come un problema ingegneristico da mettere a punto in modo sistematico.
For robots, the most visible step is the dog. Cortical Labs used the firing rate of its cultured neurons to steer a robot dog through a small space. Brett Kagan, the company's co-founder and CEO, puts the gap plainly: robots are now capable at physical control but "still struggle with the higher-order control required to learn quickly or adapt when conditions change." If researchers can reliably harness neurons' efficiency and their capacity to adapt, biological computing could one day be the preferred choice for machines working in unfamiliar conditions far from home. That is a long road: the sources note that keeping the tissue alive remains a challenge, and none of these demonstrations suggests that biological computers will soon run warehouses or drive taxis.
Per i robot, il passo più visibile è il cane. Cortical Labs ha usato la frequenza di scarica dei suoi neuroni in coltura per guidare un cane robot attraverso uno spazio ristretto. Brett Kagan, co-fondatore e amministratore delegato dell'azienda, descrive senza giri di parole il divario: oggi i robot sono capaci nel controllo fisico, ma «ancora fatica nel controllo di livello superiore necessario per apprendere rapidamente o adattarsi quando le condizioni cambiano». Se i ricercatori riusciranno a sfruttare con affidabilità l'efficienza dei neuroni e la loro capacità di adattamento, il calcolo biologico potrebbe un giorno diventare la scelta preferita per le macchine che operano in condizioni sconosciute, lontano da casa. È una strada lunga: le fonti ricordano che mantenere vitale il tessuto resta una sfida, e nessuna di queste dimostrazioni suggerisce che i computer biologici faranno presto funzionare magazzini o guideranno taxi.