Il rumore dei neuroni non pone un limite alla capacità del cervello di elaborare informazioni
Per decenni, uno dei problemi più affascinanti delle neuroscienze teoriche ha riguardato un’apparente contraddizione: se i singoli neuroni sono biologicamente variabili e se molte delle loro fluttuazioni avvengono in modo sincronizzato, come può il cervello continuare ad aumentare la quantità di informazioni che riesce a rappresentare?
Un nuovo studio condotto da ricercatori di Kyoto University, Harvard University e UCLA propone una risposta destinata a rimettere in discussione un’ipotesi considerata fondamentale nella ricerca sul codice neurale. Analizzando l’attività di oltre 20.000 neuroni della corteccia visiva, gli studiosi hanno trovato che il cosiddetto rumore neurale condiviso può rallentare l’aumento dell’informazione disponibile, ma non sembra imporre un limite assoluto alla capacità informativa di una popolazione neuronale.
Perché i singoli neuroni non sono sufficienti a rappresentare ciò che vediamo?
Il cervello costruisce continuamente una rappresentazione interna del mondo esterno attraverso l’attività coordinata di miliardi di cellule nervose. A livello individuale, tuttavia, un neurone non produce necessariamente la stessa risposta ogni volta che viene sottoposto allo stesso stimolo. Anche mostrando ripetutamente la medesima immagine, per esempio, la frequenza con cui una determinata cellula genera impulsi elettrici può cambiare sensibilmente da una prova all’altra. Questa variabilità neuronale rappresenta una delle caratteristiche intrinseche dei sistemi biologici e rende difficile affidare a una singola cellula la codifica precisa di un’informazione sensoriale.
Il sistema nervoso affronta questo problema attraverso un principio noto come population coding, o codifica di popolazione. L’informazione non viene infatti necessariamente affidata a un singolo neurone, ma distribuita attraverso migliaia o milioni di cellule che interagiscono tra loro. Considerando l’attività collettiva di una popolazione, le variazioni individuali possono essere parzialmente compensate e il segnale associato allo stimolo può emergere con maggiore precisione. Il problema, però, è che i neuroni corticali non sono elementi indipendenti: le loro attività possono fluttuare insieme, creando correlazioni che sembrano rendere meno efficace questo meccanismo.
Che cosa si intende per rumore neurale condiviso?
Quando un gruppo di neuroni presenta variazioni spontanee o trial-to-trial simili, si parla di noise correlation, cioè correlazione del rumore. Il termine “rumore” non indica necessariamente un’attività casuale priva di significato biologico, ma le fluttuazioni nella risposta neuronale che non sono direttamente spiegate dallo stimolo analizzato. Se molte cellule oscillano insieme, infatti, l’informazione contenuta nella loro attività potrebbe risultare parzialmente ridondante.
Per circa 30 anni, una parte importante della neuroscienza computazionale ha considerato queste correlazioni come un possibile limite fondamentale alla capacità informativa delle popolazioni neuronali. L’ipotesi era intuitiva: se aumentando il numero di neuroni aumentano anche le fluttuazioni condivise, a un certo punto l’aggiunta di nuove cellule dovrebbe produrre benefici sempre più piccoli, fino a raggiungere una sorta di tetto informativo. In questa prospettiva, il cervello sembrerebbe disporre di miliardi di neuroni pur essendo teoricamente incapace di sfruttarne indefinitamente la capacità collettiva.
Come sono stati studiati più di 20.000 neuroni contemporaneamente?
Per affrontare questa apparente contraddizione, il gruppo internazionale di ricerca ha rianalizzato grandi dataset ottenuti attraverso imaging al calcio a due fotoni e registrazioni elettrofisiologiche. I dati comprendevano popolazioni comprese tra circa 18.000 e 21.000 neuroni, osservate contemporaneamente nella corteccia visiva primaria, o V1, di topi impegnati a discriminare differenze molto sottili tra stimoli visivi.
Il procedimento ha permesso ai ricercatori di valutare come cambiasse la quantità di informazione visiva decodificabile aumentando progressivamente la dimensione della popolazione neuronale analizzata. Invece di considerare l’intera rete come un blocco unico, gli studiosi hanno estratto ripetutamente sottopopolazioni casuali di cellule e hanno scomposto le fluttuazioni collettive dell’attività in differenti modalità matematiche, chiamate eigenmode. Questo approccio ha consentito di osservare come il rumore fosse distribuito all’interno dello spazio di attività neuronale e come interagisse con il segnale associato agli stimoli visivi.
Qual è stata la scoperta sulle leggi di scala dell’attività neuronale?
L’analisi ha evidenziato due leggi di potenza, o power laws, che mantengono una forma matematica sostanzialmente invariata al variare della dimensione della popolazione considerata. La prima descrive come vengono distribuite le intensità delle diverse componenti del rumore all’interno della rete; la seconda riguarda invece il grado con cui queste componenti rumorose risultano allineate con la direzione associata al segnale sensoriale.
Questo risultato è particolarmente importante perché suggerisce che l’organizzazione statistica dell’attività neuronale non cambi semplicemente in modo arbitrario quando si passa da piccole a grandi popolazioni. Esisterebbe invece una struttura di scala che conserva determinate proprietà matematiche anche quando il numero di neuroni analizzati aumenta. Combinando queste leggi con i vincoli imposti dal campionamento, i ricercatori hanno potuto inoltre estrapolare il comportamento atteso oltre le dimensioni delle popolazioni effettivamente registrate.
Il rumore condiviso impedisce davvero al cervello di accumulare nuova informazione?
I risultati mettono in discussione l’idea secondo cui le correlazioni del rumore debbano necessariamente provocare una saturazione dell’informazione. Le componenti più intense del rumore risultano effettivamente maggiormente allineate con il segnale sensoriale, un fenomeno che può ridurre l’efficienza con cui l’informazione cresce quando vengono aggiunti nuovi neuroni. Ma contemporaneamente il segnale dello stimolo non rimane confinato a quelle poche dimensioni caratterizzate dalle fluttuazioni più forti.
Una parte dell’informazione si distribuisce infatti anche lungo un ampio insieme di dimensioni a bassa variabilità, dove il rumore è più contenuto. È proprio questo elemento a cambiare l’interpretazione del problema: il rumore condiviso può rendere più lento il guadagno informativo, ma non necessariamente lo arresta. In altre parole, secondo il modello osservato dai ricercatori, aggiungere neuroni può continuare a fornire informazione supplementare anche quando le correlazioni tra le cellule sono presenti.
Hideaki Shimazaki, della Kyoto University, ha sottolineato che per tre decenni le fluttuazioni neurali condivise sono state considerate una possibile causa della saturazione dell’informazione. I risultati dello studio indicano invece che la saturazione non rappresenta una conseguenza inevitabile della presenza di rumore correlato.
Perché questa scoperta potrebbe interessare anche l’intelligenza artificiale?
L’interesse dello studio non riguarda soltanto la comprensione della corteccia visiva. Il quadro matematico sviluppato dai ricercatori propone infatti un possibile modello generale per descrivere come l’informazione decodificabile cresca all’interno di sistemi complessi e rumorosi. Questa prospettiva potrebbe avere ricadute anche al di fuori delle neuroscienze, soprattutto nei settori che devono progettare sistemi computazionali capaci di mantenere prestazioni elevate nonostante la presenza di errori e fluttuazioni condivise.
Tra le aree potenzialmente interessate figurano il computing neuromorfico, le architetture distribuite per l’intelligenza artificiale e alcune forme di calcolo caratterizzate da elevati livelli di rumore. Il principio suggerito dal lavoro è particolarmente interessante dal punto di vista ingegneristico: se un sistema biologico riesce a continuare a estrarre informazione da popolazioni sempre più grandi nonostante la presenza di correlazioni, comprendere la struttura matematica di questo processo potrebbe aiutare a progettare sistemi artificiali più tolleranti agli errori e scalabili.
La ricerca, pubblicata il 25 settembre 2026 su Science Advances e disponibile in accesso aperto, non significa che il cervello sia privo di limiti informativi né che la capacità di elaborazione possa crescere senza vincoli biologici. Il risultato riguarda più precisamente il rapporto tra dimensione della popolazione neuronale, rumore condiviso e informazione decodificabile. È proprio questa distinzione a rendere interessante il lavoro: il problema che per decenni era stato interpretato come una possibile barriera fondamentale potrebbe essere, almeno nei sistemi analizzati, soprattutto un problema di velocità con cui l’informazione aumenta, non di un punto oltre il quale essa smette necessariamente di crescere.
Lo studio “Population coding under the scale invariance of high-dimensional noise” è firmato da S. Amin Moosavi, Sai Sumedh R. Hindupur e Hideaki Shimazaki e ha DOI 10.1126/sciadv.adz9632.