En una sorprendente demostración de tecnología emergente, la empresa biotecnológica australiana Cortical Labs ha entrenado con éxito una red de 200.000 neuronas humanas vivas cultivadas en un chip de silicio para jugar al clásico juego de disparos en primera persona Doom. El experimento, capturado en un video reciente, muestra al personaje controlado por neuronas navegando niveles, encontrando enemigos y disparando armas, aunque con torpeza. Esto no es sólo una novedad; representa un paso significativo hacia el aprovechamiento de los sistemas biológicos para la computación, con implicaciones que se extienden mucho más allá de los juegos.
El auge de las computadoras “vivas”
La innovación central radica en la capacidad de las neuronas para un “aprendizaje adaptativo y dirigido a objetivos en tiempo real”, como lo describe el director científico de Cortical Labs, Brett Kagan. Esto significa que las células no simplemente reaccionan a los estímulos; se están adaptando activamente para lograr objetivos dentro de un entorno dinámico. Las implicaciones son sustanciales, particularmente dadas las crecientes demandas de energía de la inteligencia artificial (IA) tradicional. Si bien las neuronas no reemplazarán por completo a los microchips, ofrecen un enfoque potencialmente mucho más eficiente para ciertos cálculos. Estudiar cómo funcionan podría revolucionar los métodos informáticos y acelerar las pruebas de drogas neurológicas.
Cosecha y mantenimiento de procesadores biológicos
Cortical Labs no extrae neuronas directamente del cerebro. En cambio, utilizan células fácilmente accesibles de muestras de sangre o piel, convirtiéndolas en células madre y luego en un suministro indefinido de células neuronales. Estas células están alojadas en sistemas de soporte vital autónomos capaces de mantener la viabilidad durante hasta seis meses. La interfaz de comunicación es directa: electricidad. Las células cerebrales generan pulsos eléctricos cuando están activas y el sistema corresponde, creando un diálogo biológico-silicio.
El principio de la energía libre y la motivación neuronal
La clave para conseguir que las neuronas realicen tareas no es la coerción, sino la predicción. Cortical Labs aprovechó el “principio de energía libre” desarrollado por el neurocientífico Karl Friston, que afirma que los sistemas neuronales se esfuerzan por predecir su entorno. El caos es castigo; el orden es recompensa. El equipo creó un circuito de retroalimentación donde las señales impredecibles (ruido aleatorio) penalizaban los movimientos incorrectos, mientras que las señales estructuradas y predecibles reforzaban las acciones correctas. Este sencillo sistema entrenó eficazmente a las neuronas para aprender.
Del Pong a la Perdición: Escalando la Complejidad
En 2022, Cortical Labs demostró que las neuronas en chips podían aprender a jugar Pong en cuestión de minutos. Doom, sin embargo, presenta un desafío mucho mayor. El complejo entorno del juego con corredores, enemigos y navegación tridimensional exige un mayor nivel de procesamiento cognitivo. Para superar esto, Cortical Labs colaboró con la Universidad de Stanford en un hackathon, emparejando las neuronas con un algoritmo de aprendizaje estándar. El sistema híbrido superó al algoritmo por sí solo, lo que demuestra que las células biológicas contribuyeron al proceso de aprendizaje.
Aplicaciones médicas y computacionales
La investigación de Cortical Labs se centra en dos aplicaciones principales. Primero, médico: entre el 93% y el 99% de los ensayos clínicos neuropsiquiátricos fallan, y las pruebas de fármacos en células cerebrales en un plato a menudo no reproducen las condiciones del mundo real. Kagan sostiene que las neuronas en un juego o entorno mundial responden de manera diferente a las drogas y exhiben enfermedades con mayor precisión. En segundo lugar, computacional: las neuronas representan “el sistema de procesamiento de información más poderoso” conocido y poseen una complejidad que excede con creces a los sistemas basados en silicio. Las neuronas biológicas tienen al menos una complejidad de tercer orden, capaces de mantener tres estados dinámicos simultáneamente, mientras que los transistores de silicio están limitados a estados binarios.
Eficiencia energética y el futuro de la biocomputación
Investigadores, como Feng Guo de la Universidad de Indiana en Bloomington, destacan el potencial de ahorro masivo de energía. El cerebro humano funciona con sólo 20 vatios, en comparación con los millones de vatios necesarios para sistemas de inteligencia artificial equivalentes basados en silicio. Esta eficiencia hace de la biocomputación un área de desarrollo prometedora.
Cortical Labs no pretende reemplazar por completo la informática de silicio. Ofrece “una nueva herramienta en la caja de herramientas de inteligencia”.
Si bien las computadoras biológicas no reemplazarán a las calculadoras de bolsillo para las matemáticas básicas, se destacan en tareas que requieren adaptabilidad y resolución de problemas del mundo real, como navegar por una casa para preparar té, una tarea con la que los algoritmos de IA actuales tienen dificultades. El campo ha progresado rápidamente desde un único juego de Pong a una plataforma comercial con una API y una demostración de neuronas tropezando a través de Doom —aprendiendo, aunque sea lentamente.
Es posible que el futuro de la informática no sea exclusivamente el silicio; podría estar… vivo.
