Desegregazione dell'elaborazione predittiva neuronale

Come il cervello scommette sul futuro

Ad ogni istante, il tuo cervello indovina silenziosamente cosa accadrà dopo—come sarà la sensazione della mano quando tocca una maniglia, che suono faranno i tuoi passi, o quale parola è probabile che segua in una frase. Quando l'ipotesi è sbagliata, la sorpresa ti aiuta a imparare. Questo studio pone una domanda profonda su quel processo: esistono tipi di cellule cerebrali specializzate solo nella predizione e altre solo nel segnalare la sorpresa, oppure questi compiti sono distribuiti più democraticamente? Usando modelli matematici e registrazioni reali dal cervello del topo, gli autori mostrano che predizione e sorpresa sono molto più intrecciate di quanto si pensasse in precedenza.

I cervelli come macchine di previsione

I neuroscienziati vedono sempre più il cervello come una macchina di previsione che confronta costantemente ciò che si aspetta con ciò che arriva dai sensi. Quando il mondo si comporta come previsto, l'attività in molte aree sensoriali si attenua; quando si verifica un evento inatteso, alcune cellule rispondono più intensamente, producendo quello che i ricercatori chiamano un “errore di predizione”. Teorie precedenti proponevano schemi di collegamento ordinati in cui un gruppo di neuroni rappresentava gli stimoli in arrivo, mentre un gruppo separato calcolava gli errori. Ma la maggior parte degli esperimenti aveva testato solo situazioni molto semplici, come un suono che predice un movimento, cosa ben diversa dalle associazioni complesse e molti-a-molti che dominano il comportamento naturale.

Simulare un mondo sensoriale affollato

Per esplorare situazioni più realistiche, gli autori hanno costruito un ampio modello computazionale di un circuito cerebrale che riceve contemporaneamente molti segnali sensoriali e motori diversi. Il modello impara, attraverso esposizione ripetuta, quali combinazioni di eventi tendono ad andare insieme—proprio come un animale che impara che un certo movimento di solito produce un certo suono. Fondamentale è che il modello è stato progettato per creare predizioni interne mantenendo al contempo l'attività complessiva economica, riflettendo il bisogno del cervello di usare l'energia in modo efficiente. Con il progredire dell'apprendimento, i neuroni simulati tendevano a sopprimere le risposte quando si verificava un'accoppiamento atteso e a rispondere più fortemente quando veniva meno il partner predetto, rispecchiando quanto osservato negli esperimenti sul topo.

La sorpresa è ovunque, non in un unico contenitore

Quando i ricercatori hanno esaminato in dettaglio i “neuroni” del modello, hanno scoperto che le cellule non si dividevano nettamente in neuroni di predizione e neuroni di errore. Un neurone che segnalava una discrepanza per una coppia di eventi poteva comportarsi come un semplice sensore per un'altra coppia. Man mano che il modello apprendeva sempre più associazioni distinte, questo mescolamento diventava ancora più comune e i neuroni esclusivamente “solo errore” diventavano rari. Gli autori si sono poi rivolti a registrazioni dalla corteccia uditiva del topo, dove gli animali si aspettavano una tonalità specifica dopo aver premuto una leva ma venivano talvolta esposti a suoni alterati. Il modello di risposte su molti neuroni mostrava lo stesso tipo di mescolamento previsto dal modello, suggerendo che non esiste una separazione netta tra ruoli di predizione e errore nei cervelli reali.

Bilanciare eccitazione, inibizione e complessità

Lo studio indaga anche come l'equilibrio tra eccitazione e soppressione all'interno dei circuiti cerebrali plasmi la predizione. Il modello separa l'input di ogni neurone in due parti: la spinta sensoriale diretta e il feedback interno da altri neuroni che veicolano predizioni. Quando queste due influenze si annullano quasi completamente, il sistema diventa “bilanciato” e piccole discrepanze emergono più chiaramente. Gli autori trovano che esiste un livello ottimale di questo bilanciamento, non eccessivamente stretto. Con l'aumentare del numero di associazioni apprese, i circuiti con prestazioni migliori diventano in realtà meno rigidamente bilanciati, il che aiuta a evitare interferenze tra molte predizioni sovrapposte. Estendendo il modello per includere cellule eccitatorie e inibitorie distinte—e strati impilati che ricordano la profondità corticale—gli autori mostrano che i segnali legati alla predizione sono distribuiti tra tipi cellulari e strati piuttosto che immagazzinati in un unico locus speciale.

Perché questo è importante per capire il pensiero

Nella vita quotidiana gestiamo contemporaneamente innumerevoli aspettative su suoni, immagini e movimenti. Questo lavoro suggerisce che il cervello supporta predizioni così ricche distribuendo il carico su molti neuroni che condividono i compiti in modo flessibile, invece di dedicare cellule specializzate e rigide alla predizione o all'errore. Mettere in evidenza come un equilibrio accuratamente calibrato, ma non eccessivamente rigido, tra segnali eccitatori e inibitori permetta a questi circuiti di gestire molte associazioni senza diventare instabili. Insieme, i modelli e gli esperimenti delineano un quadro dell'elaborazione predittiva come un codice altamente distribuito e adattabile—che può aiutare a spiegare come i cervelli costruiscano modelli interni di un mondo complesso e in continuo cambiamento.

Citazione: Wang, B., Audette, N.J., Schneider, D.M. et al. Desegregation of neuronal predictive processing. Nat Commun 17, 3919 (2026). https://doi.org/10.1038/s41467-026-70347-w

Parole chiave: elaborazione predittiva, circuiti neuronali, predizione sensoriale, equilibrio eccitatorio-inibitorio, modelli di reti neurali