Si alguien nos contara que hay neuronas humanas vivas jugando a Doom desde un chip, probablemente pensaríamos en una película de ciencia ficción. Sin embargo, eso es exactamente lo que ha mostrado la empresa australiana Cortical Labs: cultivos neuronales conectados a un sistema informático capaces de desenvolverse, con mayor o menor torpeza, en uno de los videojuegos más icónicos de los noventa.
Lejos de tratarse de una inteligencia artificial clásica, hablamos de tejido biológico real interactuando con software mediante una interfaz específica. Un pequeño “cerebro” de laboratorio, formado por cientos de miles de neuronas, recibe información del entorno del juego como patrones eléctricos y responde con su propia actividad neuronal, que se traduce en movimientos, giros y disparos dentro de Doom.
De Pong a Doom: la evolución de un ordenador biológico
El camino hasta este experimento empezó varios años antes, cuando Cortical Labs presentó un prototipo de biocomputadora capaz de jugar a Pong. Aquel sistema, basado en más de 800.000 neuronas humanas cultivadas sobre una matriz de microelectrodos, necesitó alrededor de 18 meses de trabajo para aprender a mover la barra del juego y mantener la pelota en pantalla.
En ese primer proyecto, las neuronas demostraron un aprendizaje adaptativo en tiempo real orientado a un objetivo muy concreto: seguir la trayectoria de la pelota. El entorno era simple y predecible; si la bola subía, la barra debía subir, y si bajaba, la barra bajaba. Aun así, supuso un hito porque mostraba que las células podían ajustar su comportamiento a estímulos digitales.
El prototipo terminó cristalizando en un dispositivo comercial: el CL1, presentado como el primer ordenador biológico programable del mundo. Este equipo combina neuronas humanas vivas cultivadas sobre silicio con un software propio, conocido como biOS, que gestiona el intercambio de señales eléctricas entre el tejido biológico y el sistema digital.
En cuanto se hizo público que el sistema era capaz de jugar a Pong, la reacción de la comunidad tecnológica fue inmediata y bastante previsible. En redes sociales y foros se repetía la misma pregunta: “Vale, pero ¿puede jugar a Doom?”. Cortical Labs decidió tomarse el reto en serio y llevar la prueba al siguiente nivel.
Doom, un entorno caótico para un cerebro en miniatura
Doom no es precisamente el ejemplo de videojuego sencillo. Este clásico de acción en primera persona, con laberintos tridimensionales, enemigos, disparos y decisiones constantes, plantea un entorno caótico difícil de predecir. La diferencia con Pong es abismal: aquí no hay una única pelota que seguir, sino un mundo lleno de estímulos que cambian a toda velocidad.
Según Brett Kagan, director científico de Cortical Labs, el salto de Pong a Doom supone cambiar de un escenario casi lineal a uno donde reina el desorden. Mientras que en Pong la relación entre estímulo y respuesta es directa, en Doom las neuronas tienen que gestionar profundidad, movimiento, amenazas y recompensas en paralelo, algo que complica mucho la tarea de aprendizaje.
Para afrontar este reto, la compañía no recurrió a un único chip aislado, sino a una plataforma en red compuesta por varias unidades CL1. Cada módulo integra más de 200.000 neuronas humanas vivas, interconectadas y asentadas sobre una matriz de electrodos que actúa como intermediario entre biología y electrónica.
Las neuronas, eso sí, no “ven” la pantalla como lo haría un jugador humano. En lugar de imágenes, el sistema traduce el estado del juego en patrones de estimulación eléctrica que se aplican directamente sobre el cultivo celular. Las respuestas de las neuronas, también en forma de impulsos eléctricos, se interpretan como acciones dentro de Doom: avanzar, girar, disparar, desplazarse a un lado u otro.
Kagan bromea con que, de momento, sus “jugadores” biológicos se comportan como un principiante que nunca ha tocado un ordenador. Sus movimientos son erráticos, la puntería deja bastante que desear y mueren una y otra vez. Pero incluso en ese caos, los investigadores observan algo clave: cada derrota aporta información y las células van ajustando su comportamiento.
Un bucle cerrado entre neuronas y videojuego
La esencia del experimento está en el bucle de retroalimentación que se genera entre el juego y el cultivo neuronal. Un desarrollador independiente logró diseñar una interfaz que convierte la información visual de Doom en esos patrones eléctricos, y que a la vez traduce los disparos neuronales en comandos concretos en el juego.
En la práctica, el sistema funciona como un circuito cerrado: el entorno virtual envía estímulos al tejido biológico, las neuronas responden alterando su actividad y el resultado de esa respuesta (sobrevivir, avanzar o ser eliminado) se refleja de inmediato en el propio entorno del juego. Esa dinámica refuerza ciertos patrones y debilita otros, un mecanismo muy similar a cómo aprende un organismo vivo.
Los científicos insisten en que aquí no hay reglas explícitas al estilo de muchos algoritmos de inteligencia artificial. La red neuronal biológica se reorganiza por sí sola, aprovechando su propia plasticidad. Se habla así de aprendizaje adaptativo puro, sin arquitecturas artificiales complejas predefinidas ni millones de iteraciones de entrenamiento.
Un aspecto que ha llamado la atención de la comunidad investigadora es la velocidad a la que se observan cambios. Frente a modelos de IA sobre silicio que requieren enormes cantidades de datos y energía —y a investigaciones sobre el impacto cognitivo de ChatGPT—, estos cultivos mostraron mejoras apreciables en cuestión de días, hasta lograr un comportamiento reconocible dentro del juego en menos de una semana.
Pese a estos avances, desde Cortical Labs piden rebajar expectativas. Su CTO y otros responsables recuerdan que el objetivo no es crear un “cerebro en miniatura” que compita con personas o con las grandes IAs del mercado, sino emplear las neuronas como un material de cálculo con propiedades únicas que el silicio no puede replicar.
Qué aporta CL1 a la biocomputación moderna
El CL1 se presenta como algo más que un experimento puntual. Cortical Labs lo ha posicionado como una plataforma de computación biológica programable, que algunos describen incluso como una especie de “wetware-as-a-service”: hardware húmedo accesible a través de software, pensado para que terceros puedan realizar sus propios proyectos sobre neuronas vivas.
En la práctica, el sistema ofrece una API abierta y herramientas de desarrollo, de modo que investigadores y desarrolladores puedan enviar tareas, recoger datos y explorar nuevas aplicaciones. El software biOS es el encargado de gestionar ese intercambio de información, traduciendo instrucciones de alto nivel en estímulos eléctricos precisos y leyendo las respuestas neuronales para devolverlas en un formato comprensible por los programas tradicionales.
Uno de los argumentos que esgrime la compañía para defender este enfoque es la eficiencia energética. Los sistemas biológicos, como se recuerda a menudo en neurociencia, son capaces de realizar operaciones complejas consumiendo una fracción de la energía que necesita una supercomputadora convencional. En un contexto en el que el coste energético de la IA es cada vez más discutido, esta vía de investigación gana atractivo.
Además, la biocomputación abre un terreno donde confluyen informática, biología y medicina. El hecho de poder observar cómo neuronas reales resuelven problemas en entornos controlados podría aportar pistas valiosas tanto para diseñar nuevos modelos de IA como para entender mejor trastornos neurológicos o probar tratamientos en condiciones muy específicas.
Desde la propia Cortical Labs insisten en que Doom es solo una demostración vistosa para captar la atención, pero que el potencial real está en todo lo que se puede construir por encima de esta plataforma: desde estudios de plasticidad neuronal hasta simulaciones de procesos de decisión biológicos en escenarios complejos.
Europa se suma a la carrera: el papel de la Universidad de Milán
El interés por este tipo de sistemas no se limita a Australia. En Europa también empiezan a surgir colaboraciones centradas en explorar a fondo la computación biológica basada en neuronas humanas. Un ejemplo es el proyecto anunciado por la consultora tecnológica italiana Reply junto con el Departamento de Fisiopatología y Trasplantes de la Universidad de Milán.
En ese acuerdo, investigadores del Policlínico de Milán trabajan con plataformas de computación biológica similares para estudiar cómo se integran neuronas activas con sistemas digitales. La idea es aprovechar estas herramientas para investigar los mecanismos de aprendizaje, la memoria y la plasticidad neural desde una perspectiva diferente a la de los modelos animales tradicionales.
La profesora Stefania Corti, catedrática de Neurología y responsable del área de Enfermedades neuromusculares y raras en el Policlínico, ha subrayado que este tipo de experimentos abre “oportunidades sin precedentes” para analizar cómo se reorganizan las conexiones en redes neuronales reales cuando se enfrentan a tareas nuevas.
En lugar de limitarse a observar el cerebro humano mediante técnicas de imagen o registrar actividad en animales de laboratorio, estas plataformas permiten crear configuraciones neuronales específicas y exponerlas a problemas concretos, midiendo de forma muy precisa los cambios en su actividad eléctrica.
Más allá de Italia, el interés europeo se orienta también a las posibles aplicaciones médicas: desde probar compuestos farmacológicos sobre cultivos controlados hasta diseñar nuevos tipos de interfaces cerebro-máquina que puedan, algún día, ayudar a pacientes con parálisis o trastornos del movimiento.
Aplicaciones potenciales: de la medicina a la nueva IA
Aunque la imagen de neuronas humanas disparando a demonios en Doom resulte llamativa, la verdadera importancia del experimento está en lo que puede venir después. Muchos expertos ven estos sistemas como una especie de banco de pruebas para estudiar el aprendizaje biológico en un contexto muy estructurado y medible.
Un área clara de aplicación es la investigación en enfermedades neurológicas. Al trabajar con cultivos derivados de células madre, existe la posibilidad de crear modelos de determinadas patologías y ver cómo responden a diferentes entornos o tratamientos, algo que podría complementar, y en algunos casos reducir, el uso de modelos animales.
Otra línea de trabajo pasa por el desarrollo de nuevas arquitecturas de inteligencia artificial inspiradas directamente en la biología. Observar cómo se reorganizan estas redes neuronales reales al resolver tareas complejas podría ayudar a diseñar algoritmos más flexibles, capaces de adaptarse con menos datos y de forma más eficiente.
Algunos investigadores señalan también la conexión con las interfaces cerebro-máquina. Si unas neuronas cultivadas pueden manejarse con soltura —o al menos con cierta eficacia— en un entorno tridimensional impredecible como Doom, esa misma capacidad de adaptación podría utilizarse para controlar prótesis robóticas, exoesqueletos o dispositivos de asistencia en escenarios cambiantes del mundo real.
Todo ello llega acompañado de interrogantes éticos y filosóficos: hasta qué punto deben considerarse estos cultivos como simples recursos de laboratorio, qué límites habría que establecer en su uso, o cómo garantizar una regulación adecuada si la biocomputación acaba teniendo aplicaciones comerciales masivas.
Por ahora, lo que hay sobre la mesa es una prueba de concepto sólida: un conjunto de neuronas humanas, cultivadas en un chip y conectadas a un sistema informático, son capaces de aprender a desenvolverse en Doom con una rapidez llamativa respecto a muchos sistemas artificiales, aunque todavía lejos de un jugador humano experimentado.
Este tipo de experimentos, que hace unos años habrían sonado a guion de serie futurista, se están convirtiendo en un campo de trabajo real para laboratorios y empresas de todo el mundo. Entre demostraciones públicas, colaboraciones con universidades europeas y la apertura de APIs para terceros, la sensación es que la informática basada en neuronas vivas empieza a salir del terreno puramente teórico y a buscar su sitio junto al silicio tradicional.
A día de hoy, estas neuronas no van a destronar a los campeones de e-sports ni a sustituir a los grandes modelos de IA, pero sí marcan un punto de inflexión: es la prueba palpable de que parte de la computación del futuro podría apoyarse en sustratos biológicos capaces de aprender por sí mismos, y que un cultivo celular jugando a Doom puede ser solo el primer paso de un cambio de paradigma mucho mayor.
