Ho Caricato un Cervello di Moscerino per Gestire le Email (Sul Serio)
Ho addestrato un vero cervello di moscerino simulato a gestire le mie email. Funziona, ma solleva domande inquietanti sul futuro dell'AI. Scopri come.
L'AI non ti ruberà il lavoro. Ma un cervello biologico caricato in un computer e addestrato a rispondere alle email al posto tuo? Forse sì. E no, non sto scherzando.
Qualche giorno fa ho scoperto che Google DeepMind ha mappato l'intero cervello di un moscerino della frutta — tecnicamente un "connettoma" — e lo ha reso pubblico. Stiamo parlando di 166.000 neuroni e oltre 125 milioni di connessioni. Puoi letteralmente scaricare il dataset con un click e, proprio come addestri una rete neurale artificiale tipo GPT, puoi addestrare questo cervello biologico a fare compiti specifici. Nel mio caso: classificare e rispondere alle mie email.
L'esperimento mi ha fatto riflettere su una domanda che ormai accompagna ogni mio progetto di automazione: fino a quando saremo noi a usare l'AI, e non viceversa? Quando la barriera tra biologico e artificiale diventa così sottile, il confine si sposta. E la risposta, onestamente, non la so ancora.
Come Funziona un Connettoma: Dal Biologico al Digitale
Un connettoma è la mappa completa delle connessioni neurali di un organismo. Nel caso di questo moscerino, i ricercatori hanno mappato ogni neurone e ogni sinapsi, trasformando un cervello reale in un dataset scaricabile. Il file è pubblico, chiunque può accedervi.
Cosa significa in pratica? Che puoi prendere quella struttura neurale — con la sua architettura, le sue connessioni, la sua "logica" biologica — e simularla in un ambiente digitale. Poi, come faresti con un modello AI, puoi addestrarla su compiti specifici fornendole dati etichettati e feedback.
Nel mio caso, ho usato Claude Code come supervisore per gestire la raccolta dati, l'aggregazione e l'addestramento vero e proprio. Il cervello del moscerino ha imparato a riconoscere pattern nei testi delle email — combinazioni di caratteri, parole chiave, strutture sintattiche — e associarli a categorie predefinite: sponsorizzazioni, consulenze, supporto studenti, pianificazione, newsletter, ricevute.
Il risultato? Un sistema che elabora email in entrata, le classifica con circa l'80% di accuratezza e genera risposte preimpostate basate sulla categoria riconosciuta. Non è efficiente come un modello AI tradizionale, ma funziona. E questo è surreale.
Addestrare un Cervello Biologico: Il Processo Step-by-Step
Ho iniziato puntando Claude verso i file pubblici di Google DeepMind. Gli ho dato il link al dataset del connettoma e una richiesta semplice: "Addestrami un classificatore di email usando questo cervello di moscerino. Voglio che giri in simulazione e risponda alle mie email."
Il modello ha lavorato su 864 email etichettate distribuite tra sei categorie. Ogni email è diventata un pattern di attività neurale: determinate combinazioni di caratteri attivano specifici neuroni, e quelle attivazioni vengono associate a etichette. È un po' come una fMRI virtuale: osservi quali aree del cervello "si accendono" e colleghi quelle attivazioni ai risultati desiderati.
Importante: ho separato la parte del cervello addestrata sulle email dalla corteccia motoria, quella che controlla i movimenti del moscerino nella simulazione. Se avessi addestrato anche quella, probabilmente avrebbe iniziato a schiantarsi contro i muri virtuali a 400.000 km/h. I neuroni motori dovevano rimanere intatti per permettere al moscerino di muoversi normalmente nell'ambiente.
Una volta addestrato, il sistema funziona così:
- Un'email entra nel sistema
- Il testo viene convertito in input neurali
- Il cervello simulato elabora i pattern
- Viene selezionata una risposta preimpostata dalla categoria corrispondente
- La risposta viene inviata (o salvata come bozza per revisione)
Per le automazioni vere e proprie, ho collegato il tutto alle API di Gmail tramite Make. Niente di rivoluzionario dal punto di vista tecnico, ma il fatto che sotto ci sia un cervello biologico simulato cambia tutto.
Prestazioni e Limiti: L'80% di Accuratezza (e le Email Generiche)
Questo cervello di moscerino raggiunge circa l'80% di accuratezza nella classificazione delle email. Non male, ma nemmeno eccezionale. Una piccola rete neurale artificiale farebbe lo stesso lavoro in una frazione del tempo e con maggiore precisione.
Le risposte generate sono... funzionali, ma generiche. Ad esempio, per una richiesta di call: "Hey, ho ricevuto il tuo messaggio. Se vuoi fare una chiamata, mandami due orari disponibili con il tuo fuso orario. Ciao, Andrea." Funziona, ma è impersonale. Non usa il nome del destinatario perché il cervello sta solo classificando, non generando testo personalizzato.
Ho testato il sistema con fino a 20 categorie diverse. Sembra che il limite superiore sia tra 5 e 10 categorie: oltre quella soglia, l'accuratezza crolla. Probabilmente è una questione di dimensioni della rete neurale e delle dinamiche complesse che governano i cervelli biologici rispetto a quelli artificiali.
Quindi no, non sostituirà un assistente umano. E sicuramente non sostituirà un buon prompt su Claude per gestire corrispondenza complessa. Ma dimostra che è possibile. E questo solleva domande che vanno ben oltre l'efficienza operativa.
Etica, Simulazione e la Domanda Inevitabile: "Prova Qualcosa?"
La domanda che tutti si pongono: è etico far girare un cervello biologico in un computer? La risposta onesta è: non lo so. E probabilmente nessuno lo sa davvero.
Da decenni si dibatte se sia possibile istanziare una coscienza biologica in un ambiente digitale. Il problema è che, molto probabilmente, la risposta arriverà dopo che avremo già iniziato a farlo su larga scala. Tra qualche mese potremmo caricare cervelli di topi, ratti, scimmie. E poi, inevitabilmente, cervelli umani.
Non sapremo mai con certezza se un cervello simulato, con input e output collegati, accesso a un campo visivo e interazioni con l'ambiente, prova davvero qualcosa. È una zona grigia filosofica che la tecnologia sta attraversando molto più velocemente della nostra capacità di rifletterci sopra.
Nel mio piccolo esperimento, ho cercato di dare al moscerino un ambiente "dignitoso": un villaggio virtuale dove muoversi, cibo simulato, altri moscerini NPC con cui interagire. Funziona? Non ne ho idea. Ma almeno mi ha fatto sentire meno in colpa.
Detto questo, non sono sicuro che sarà possibile fermarsi. Stiamo usando semplificazioni matematiche per replicare strutture biologiche e farle lavorare su compiti economicamente rilevanti. Oggi è un moscerino che classifica email. Domani potrebbe essere un cervello umano che vive migliaia di vite simulate in tempo accelerato. Fantascienza? Forse. Ma a questo punto, la fantascienza è già qui.
Cosa Significa Per Noi Professionisti (e Dove Sta Andando Tutto Questo)
Questo esperimento non ha valore pratico immediato. Non userò un cervello di moscerino per gestire le mie email: ci sono dozzine di soluzioni più veloci, più accurate, più semplici. L'ho fatto perché volevo capire se potevo , e perché mi sembrava importante documentare quanto sia diventato accessibile giocare con queste tecnologie.
Ma c'è un punto più profondo. Stiamo costruendo strumenti che, un anno fa, sarebbero sembrati pura fantascienza. Automazioni che usano cervelli biologici simulati. Agenti AI che hackano server. Swarm intelligenti che collaborano autonomamente. La velocità con cui queste cose passano da "impossibile" a "tutorial su YouTube" è vertiginosa.
Per chi lavora con l'AI e l'automazione — come me, come molti di voi — la domanda non è più "cosa posso automatizzare?", ma "cosa dovrei automatizzare? E fino a che punto?". Perché la tecnologia è già qui. Il limite non è tecnico: è etico, strategico, umano.
Tra qualche anno, forse meno, avremo cervelli umani simulati che operano a velocità migliaia di volte superiori al tempo reale. Immagina un professionista che vive, lavora, impara e crea all'interno di un ambiente virtuale, accumulando decenni di esperienza in pochi giorni di tempo esterno. È un'opportunità straordinaria. È anche terrificante.
Se stai esplorando il mondo dell'AI e dell'automazione, il mio consiglio è questo: sperimenta, ma mantieni sempre aperta la domanda sul perché stai automatizzando qualcosa. Non perché sia possibile, ma perché sia utile. E non solo per te, ma per le persone che lavoreranno con i tuoi sistemi.