Un segnale cerebrale può oggi essere raccolto da un dispositivo medico, da un’interfaccia cervello-computer o, in forme più semplici, da tecnologie indossabili. Non è lettura del pensiero nel senso fantascientifico del termine: è la misurazione di attività elettriche o fisiologiche dalle quali un sistema prova a riconoscere schemi. Quando l’intelligenza artificiale entra in questo passaggio, il cervello non produce più soltanto un dato clinico. Diventa la sorgente di inferenze potenzialmente riutilizzabili su salute, attenzione, intenzione e comportamento.
L’8 settembre la Commissione europea ha pubblicato il parere Governing Neuro-AI dello European Group on Ethics in Science and New Technologies. Il documento descrive la convergenza fra neuroscienze e AI come un cambiamento di scala: non basta più valutare un singolo impianto o un’applicazione. Bisogna osservare l’infrastruttura completa fatta di sensori, piattaforme, cloud, archivi, modelli e soggetti capaci di trasformare un segnale biologico in una decisione.
La distinzione decisiva è fra neurodato e inferenza. Il dato grezzo può essere una sequenza di impulsi; l’inferenza è ciò che un modello sostiene di poter dedurre da quella sequenza. Una previsione sul livello di attenzione, sul rischio di una patologia o sulla risposta emotiva può risultare più sensibile del segnale originario. Proteggere soltanto il file raccolto non è quindi sufficiente: occorre governare anche le interpretazioni che vengono prodotte, conservate, vendute o collegate ad altri profili.
I cosiddetti Brain Foundation Models rendono il problema ancora più concreto. Come i grandi modelli linguistici apprendono strutture da enormi quantità di testo, questi sistemi cercano regolarità in dati cerebrali provenienti da molte persone, strumenti e compiti. Possono sostenere ricerca, diagnosi, riabilitazione e nuove forme di comunicazione per chi non riesce a parlare o muoversi. Ma un modello generale può essere adattato a impieghi molto lontani da quello per cui i dati erano stati raccolti, rendendo insufficiente un consenso firmato una sola volta.
Il consenso rimane essenziale, ma non può sopportare da solo l’intero peso della protezione. Una persona può autorizzare l’uso dei propri dati per una ricerca senza poter prevedere quali capacità avrà un modello cinque anni dopo. Servono limiti di finalità, possibilità reali di revoca, tracciabilità degli accessi e regole che impediscano di trasformare automaticamente una partecipazione clinica in una risorsa commerciale illimitata. Più il riuso diventa potente, più l’autorizzazione deve restare specifica e comprensibile.
Le applicazioni ad alto rischio non sono soltanto mediche. Un datore di lavoro potrebbe voler misurare attenzione o stanchezza; un’assicurazione potrebbe cercare indicatori di vulnerabilità; una scuola potrebbe classificare concentrazione e apprendimento; un’autorità potrebbe attribuire significato a reazioni fisiologiche. Anche quando la previsione è statisticamente accurata, la sua legittimità non è automatica. Esistono zone della persona che una società democratica può decidere di non rendere misurabili per chi possiede più potere.
Per questo la privacy mentale non coincide con la semplice segretezza. Comprende la libertà di non essere ridotti a una previsione, di non subire decisioni basate su stati interni presunti e di contestare ciò che il sistema afferma di avere riconosciuto. Un modello può sbagliare, ma può anche produrre un’etichetta così plausibile da orientare il comportamento di medici, aziende o istituzioni prima che la persona riesca a metterla in discussione.
La questione è anche industriale. Chi controlla i grandi archivi di neurodati e la capacità di addestrare modelli trasversali può definire standard, servizi e condizioni di accesso per ricerca e sanità. Il parere europeo propone di trattare la Neuro-AI come infrastruttura di interesse pubblico, rafforzando capacità indipendenti, controlli democratici e cooperazione internazionale. La sovranità non consiste nel chiudere i dati, ma nel non lasciare che il loro valore collettivo venga governato soltanto da pochi fornitori.
Questo non trasforma ogni neurotecnologia in una distopia. Interfacce ben progettate possono restituire comunicazione e autonomia, aiutare la riabilitazione e rendere visibili segnali clinici prima difficili da interpretare. Proprio perché i benefici sono reali, le regole non dovrebbero limitarsi a proibire. Devono creare condizioni affidabili per la ricerca, separare l’assistenza dalla sorveglianza e imporre trasparenza su prestazioni, incertezze, popolazioni di addestramento e possibilità di errore.
Quando il cervello diventa un’infrastruttura, il confine fra corpo e dato smette di essere individuale. Ogni modello apprende da molte persone e può influenzarne molte altre. La domanda non è soltanto chi possieda una registrazione, ma chi possa trasformarla in conoscenza, chi abbia il diritto di applicare quella conoscenza e chi risponda delle conseguenze. La Neuro-AI ci costringe a stabilire in anticipo una regola essenziale: la capacità tecnica di inferire qualcosa dalla mente non crea automaticamente il diritto di farlo.