Immaginate di osservare uno scoiattolo che si arrampica su un albero. Potete vedere le sue zampe che stringono la corteccia, la coda che lo bilancia e i muscoli che si contraggono. Ma ciò che non potete vedere è la conversazione invisibile e fulminea che avviene all'interno del suo cervello. Il sistema nervoso non è solo un telecomando che invia semplici segnali di "vai su" o "vai giù"; è un'orchestra complessa che dirige un corpo massiccio e pesante attraverso un mondo pieno di gravità, attrito e sorprese. Gli scienziati desiderano da tempo comprendere questa conversazione, ma c'è un problema: non è facile sbirciare dentro il cervello di un animale vivo mentre corre, e non si può semplicemente chiedere a uno scoiattolo di descrivere come si sente a mantenere l'equilibrio.

Per risolvere questo problema, gli scienziati usano un trucco chiamato "modellazione neuromecanica". Pensate a costruire un gemello digitale dell'animale: un corpo virtuale con muscoli, ossa e fisica che funzionano esattamente come quello reale. Poi, cercano di insegnare a un cervello informatico (una rete neurale artificiale) come controllare questo corpo digitale affinché si muova esattamente come l'animale reale. L'obiettivo è l'ingegneria inversa dei segreti del cervello, vedendo quali tipi di "pensieri" (segnali di controllo) sono necessari per far danzare il corpo digitale. Tuttavia, fino ad ora, costruire questi gemelli digitali è stato come cercare di far girare un supercomputer su un tostapane: richiedeva enormi e costosi cluster di computer che solo le grandi aziende tecnologiche potevano permettersi, rendendo difficile per i normali laboratori di biologia sperimentare con queste idee.

Entra in scena MIMIC-MJX, un nuovo toolkit open-source che cambia le regole del gioco. I ricercatori dietro questo progetto, un team di Harvard, dell'Istituto Salk e altri, hanno creato un sistema che permette agli scienziati di addestrare questi cervelli digitali su una singola scheda grafica standard (quella che si trova nei computer da gioco), invece che su una stanza piena di server. Chiamano il loro framework "MIMIC-MJX", e agisce come un maestro imitatore. Prende filmati di animali reali in movimento — ratti che corrono, mosche che camminano, vermi che si contorcono — e li usa per insegnare a una versione virtuale di quell'animale come muoversi in una simulazione fisica.

Ecco come funziona, passo dopo passo. Per prima cosa, il sistema osserva un video di un animale reale e capisce esattamente come le sue articolazioni si piegano e dove si trovano le sue membra nello spazio. È come prendere uno scheletro 3D e farlo aderire perfettamente al video, anche se il video mostra solo l'esterno della pelliccia o della pelle. Questo viene fatto utilizzando uno strumento chiamato stac-mjx, che agisce come un traduttore ad alta velocità, trasformando i punti 2D o 3D del video in angoli articolari precisi per un corpo virtuale.

Una volta che il corpo virtuale sa cosa ha fatto l'animale reale, la seconda parte del sistema, chiamata track-mjx, entra in azione. Questo è il "insegnante". Utilizza un metodo chiamato apprendimento per rinforzo profondo (deep reinforcement learning), che è un po' come addestrare un cane con dei premi, ma il cane è un programma per computer e i premi sono ricompense matematiche. Il programma cerca di far muovere l'animale virtuale per corrispondere al video. Se il ratto virtuale solleva la zampa nel momento sbagliato, riceve un "punteggio basso". Se corrisponde perfettamente al video, riceve un "punteggio alto". Su milioni di tentativi, il cervello del computer impara i comandi muscolari esatti necessari per riprodurre il movimento.

Ciò che rende speciale MIMIC-MJX è la sua velocità e flessibilità. Gli autori lo hanno testato su una grande varietà di creature: un ratto, una mosca fruitaria, un braccio di topo, un insetto stecco e un verme. Hanno scoperto che il sistema può imparare a imitare i movimenti di questi animali con un'accuratezza incredibile. Ad esempio, quando hanno addestrato un ratto, il ratto virtuale è riuscito a riprodurre movimenti di camminata, di sollevamento sulle zampe posteriori e di toeletta con un errore di soli 7 millimetri, circa la larghezza di una gomma per matite. Ancora più impressionante, il sistema è riuscito a mantenere il ratto virtuale in movimento per lunghi periodi, non solo per una frazione di secondo. Nei test, circa l'83% dei ratti virtuali è riuscito a continuare a muoversi per due interi minuti senza cadere, nonostante fossero stati addestrati solo su brevi clip di 5 secondi. Ciò suggerisce che il sistema abbia appreso i principi del movimento, non abbia solo memorizzato pochi secondi di video.

I ricercatori hanno anche dimostrato che questo sistema funziona con diversi tipi di "corpi". Alcuni animali nel loro studio, come il ratto e la mosca, erano controllati da motori a "coppia" (torque) semplici, mentre altri, come il braccio del topo e il verme, utilizzavano modelli di "muscoli" più complessi che imitano come i muscoli reali si tendono e si contraggono. MIMIC-MJX ha gestito con successo entrambi i tipi, dimostrando di poter adattarsi a diverse realtà biologiche.

Una delle parti più eccitanti del documento è come abbiano usato questi "imitatori" addestrati per fare esperimenti che sarebbero impossibili nella vita reale. Hanno preso il controllore di basso livello (la parte che sa come muovere i muscoli), lo hanno "congelato" e vi hanno attaccato sopra un nuovo e semplice cervello per insegnare all'animale un nuovo trucco. Hanno chiesto al ratto virtuale di correre a una velocità specifica o di sfuggire a una buca a forma di ciotola. Il ratto virtuale, guidato dal controllore MIMIC-MJX, ha imparato questi nuovi compiti rapidamente e si è mosso in modo molto naturale. Al contrario, quando hanno cercato di addestrare un robot da zero senza questa base di "imitazione", esso falliva completamente o si muoveva in modo scattoso e innaturale. Ciò suggerisce che il sistema MIMIC-MJX abbia catturato qualcosa di fondamentale su come si muovono gli animali, creando un "prior" o una base di comportamento naturale che rende molto più facile l'apprendimento di nuove cose.

Il documento ha anche guardato dentro il "cervello" dei loro controllori virtuali per vedere cosa stessero pensando. Analizzando i dati che fluiscono attraverso la rete, hanno scoperto che il sistema organizza il movimento in schemi semplici e a bassa dimensionalità. Per la mosca fruitaria, i "pensieri" sull'andatura formavano un ciclo circolare ordinato nei dati, rappresentando il ritmo dei passi. Per il braccio del topo, i dati mostravano che il cervello stava comprimendo i movimenti complessi in poche variabili chiave, proprio come un essere umano potrebbe pensare "prendi la tazza" piuttosto che calcolare ogni singolo sussulto muscolare.

Tuttavia, gli autori sono cauti nel precisare cosa questo sistema non sia. Affermano esplicitamente che, sebbene il sistema possa riprodurre perfettamente il movimento, i segnali elettrici specifici che genera per farlo non sono necessariamente gli stessi segnali utilizzati dal cervello di un animale reale. Poiché esistono molti modi per muovere un arto (un problema noto come i gradi di libertà di Bernstein), il computer potrebbe trovare una soluzione diversa da quella usata dall'animale. Il sistema è un modello valido di come il corpo potrebbe muoversi, ma non prova come l'animale pensa realmente. È uno strumento potente per generare ipotesi, non una risposta definitiva.

Inoltre, il sistema dipende dalla qualità dei modelli del corpo digitale. Se i muscoli o le ossa del ratto virtuale non sono costruiti correttamente, l'imitazione fallirà. Gli autori ammettono che costruire questi modelli corporei dettagliati è ancora un lavoro difficile e lungo, che i ricercatori devono svolgere autonomamente per ogni nuova specie. Hanno anche semplificato alcune parti della fisica, come ignorare la resistenza dell'aria o il modo complesso in cui la pelliccia potrebbe interagire con il terreno, per mantenere veloci le simulazioni.

Nonostante queste limitazioni, MIMIC-MJX rappresenta un cambiamento significativo nel modo in cui si fa neuroscienza. Rendendo queste potenti simulazioni accessibili a qualsiasi laboratorio dotato di un computer standard, apre la porta a migliaia di ricercatori per condurre "esperimenti virtuali". Possono testare come un sistema nervoso potrebbe adattarsi a un nuovo ambiente, cosa succede se un muscolo specifico viene rimosso o come avviene l'apprendimento, il tutto senza dover catturare un singolo animale. Trasforma l'animale virtuale in un soggetto pratico e manipolabile, colmando il divario tra la realtà disordinata della biologia e la pulita precisione dell'informatica. Il documento conclude che questo è un passo cruciale verso un futuro in cui la "neuroscienza virtuale" sarà un partner standard degli esperimenti nel mondo reale, aiutandoci finalmente a decodificare la complessa danza tra il cervello e il corpo.