Cortical Labs, una startup con sede en Australia, ha desarrollado lo que describe como una “computadora biológica implementable por código”. La tecnología, denominada CL1, es un tipo de inteligencia biológica sintética que consiste en una combinación de redes neuronales reales y chips de computadora.
Las neuronas humanas se cultivan en un chip de silicio, creando una fusión de células cerebrales y silicio. El chip de silicio envía y recibe señales hacia y desde las neuronas en una especie de circuito de retroalimentación, similar a la forma en que las neuronas se envían señales entre sí. Al integrar silicio y tejido vivo, el código informático se puede enviar directamente a las neuronas.
Células cultivadas en un chip de computadora
Esto suena un poco a tecnología de cerebro en un chip, y existen algunas similitudes. De hecho, el predecesor inmediato de CL1 fue DishBrain, una red de células cerebrales en un plato. Brett Kagan, director científico y director de operaciones de Cortical Labs, dirigió el equipo que diseñó DishBrain y le enseñó a jugar el clásico videojuego Pong.
Los cultivos celulares de DishBrain aprendieron a rastrear la pelota y controlar la paleta en el popular videojuego estilo tenis. El equipo publicó los resultados de su estudio sobre DishBrain en 2022 en la revista Neuron. CL1, dice Kagan, “es la próxima evolución de la tecnología de cerebro en un chip”.
Las 800.000 neuronas que componen CL1 están diseñadas a partir de células de la piel y sangre humanas que se han convertido nuevamente en células madre y luego se reprograman para convertirse en células cerebrales. Las células se cultivan directamente en un chip de computadora, con contactos eléctricos que conectan lo biológico y lo digital. O, como dice el sitio web de la compañía, “Empecemos por aquello con lo que los modelos de IA digital gastan tremendos recursos tratando de emular”.
Las células se mantienen vivas gracias a un sistema de soporte vital que filtra los desechos, proporciona nutrientes y regula los gases, la acidez y la temperatura.
Leer más: Los implantes de chips y otras terapias son prometedores para tratar la parálisis
Entrenamiento no tan tradicional
Los métodos utilizados para entrenar a CL1 también son innovadores. El aprendizaje automático tradicional fue diseñado para sistemas informáticos de silicio, afirma Kagan. Los métodos utilizados aquí “se inspiran en las teorías neurocomputacionales sobre cómo funciona el cerebro”, dice. Estas teorías incluyen el principio de energía libre y los marcos de inferencia activa de Karl Friston.
Nabil Imam, investigador de la Universidad Tecnológica de Georgia que trabaja en computación biológica, describe esto como una “técnica de nicho” en el aprendizaje automático, pero agrega que no tiene nada que requiera que esté en un plato.
“Todo lo que hicieron en el plato se puede hacer en realidad en una computadora normal usando redes neuronales”, dice.
¿Cuáles son las ventajas de CL1?
Sin embargo, CL1 tiene algunas ventajas claras. El sistema requiere una fracción de la energía utilizada por los centros de datos de IA convencionales, una consideración importante en estos días de rápido empeoramiento del calentamiento global. Además, podría reducir potencialmente la necesidad de modelos animales en ciertos tipos de investigación.
Otras ventajas de CL1, añade Kagan, son la capacidad de aprender con datos muy limitados, la capacidad de generalizar y la capacidad de lidiar con datos confusos y entornos dinámicos cambiantes en tiempo real. Después de todo, como dice el sitio web de la compañía, “La neurona se autoprograma, es infinitamente flexible y es el resultado de cuatro mil millones de años de evolución”.
Por el momento, los usos más probables de CL1 son el desarrollo de fármacos, la medicina personalizada y la investigación en neurociencia, aunque Kagan dice que la gente está explorando CL1 como una alternativa a las tecnologías tradicionales de IA y robótica.
“El objetivo de esta tecnología no es reemplazar los métodos informáticos actuales, sino proporcionar una mejor herramienta cuando los métodos actuales fallan o requieren enormes cantidades de datos o energía para entrenar”, añade.
¿Es un enfoque mejor que solo el silicio? No necesariamente, según Imam. Sin embargo, la IA todavía está en sus inicios, afirma.
“No sabemos cuál es la mejor manera de resolver muchos de estos problemas, y sí sabemos que el cerebro resuelve muchas, muchas cosas de manera muy eficiente. Es el sistema de inteligencia más eficiente que existe”. Y ahora tiene un socio de silicio.
Leer más: Cómo los científicos están construyendo un mejor cerebro en un chip
Fuentes del artículo
Nuestros redactores en Discovermagazine.com utilizan estudios revisados por pares y fuentes de alta calidad para nuestros artículos, y nuestros editores revisan la precisión científica y los estándares editoriales. Revise las fuentes utilizadas a continuación para este artículo: