No data was found

Chip con neuronas humanas logra aprender videojuegos en laboratorio

En un laboratorio de última generación, el equipo de Cortical Labs consiguió que un chip que alberga neuronas humanas vivas aprendiera a controlar videojuegos complejos, marcando un avance significativo en la fusión entre lo biológico y lo digital.

La tecnología desarrollada emula el funcionamiento de las redes cerebrales, adaptándose a estímulos digitales y resolviendo tareas de aprendizaje orientadas a metas. Cada sistema, denominado ordenador biológico, contiene alrededor de 200.000 células cerebrales humanas, cultivadas a partir de células madre obtenidas de donaciones de sangre. Los investigadores de Cortical Labs explicaron que estas neuronas, integradas en un chip especial llamado CL1, forman la base de una plataforma donde los límites entre lo biológico y lo digital se vuelven difusos.

El sistema traduce el entorno digital en estímulos eléctricos comprensibles para las neuronas. (Captura/Cortical Labs)

El primer objetivo fue entrenar a las neuronas para manejar una paleta en el clásico videojuego Pong, un entorno ideal por su simplicidad y reglas claras. Al inicio, las células cerebrales mostraban un comportamiento errático, similar al de un jugador novato. “Las neuronas estaban al nivel de un principiante que nunca ha jugado a un videojuego”, señaló Alon Loeffler, científico principal de aplicaciones en Cortical Labs, en declaraciones a AFP.

Del Pong al desafío de Doom

Superada la etapa de Pong, el equipo planteó un reto mayor: enseñar a las neuronas a desenvolverse en Doom, uno de los títulos más emblemáticos de los años noventa. Doom presenta un entorno tridimensional caótico, con enemigos y obstáculos que requieren coordinación y decisiones rápidas, muy distinto de la simplicidad de Pong.

Durante las primeras pruebas, las neuronas se movían sin rumbo, disparaban a las paredes y no lograban identificar objetivos. “Chocaban mucho contra las paredes, disparaban a las paredes, se daban la vuelta, hacían cosas raras como esas”, relató Loeffler. La perseverancia del equipo permitió que, con el tiempo, las neuronas comenzaran a mostrar patrones de comportamiento más precisos, apuntando a los enemigos con mayor regularidad y eficacia.

Los investigadores entrenaron neuronas vivas para superar retos en juegos como Pong y Doom. (Captura/Cortical Labs)

Cómo funciona el chip CL1

El avance tecnológico del CL1 radica en su capacidad para traducir el entorno digital del videojuego en patrones de señales eléctricas comprensibles para las neuronas humanas. Cuando aparece un enemigo en Doom, electrodos específicos estimulan las células del chip, provocando una reacción concreta. Cada patrón de actividad neuronal desencadena acciones como disparar o moverse hacia un lado.

Los científicos monitorean la actividad eléctrica de las neuronas desde una pantalla conectada al CL1, visualizando miles de puntos que representan la respuesta cerebral. A partir de estos datos, el equipo ajusta las señales de entrada para influir y entrenar progresivamente la actividad neuronal, afinando la capacidad de aprendizaje del sistema.

Sostenibilidad y eficiencia energética

El desarrollo de ordenadores biológicos plantea una alternativa a la computación tradicional basada en silicio, especialmente en términos de eficiencia energética. El cerebro humano opera con una potencia estimada de 20 vatios, un nivel de eficiencia que las actuales tecnologías de inteligencia artificial y chips convencionales no han conseguido igualar.

El experimento demuestra avances en computación biológica y eficiencia energética. (Captura/Cortical Labs)

Brett Kagan, director científico y de operaciones de Cortical Labs, describió el CL1 como “una forma de inteligencia más sostenible y potente”. Según explica, el objetivo no es reemplazar la inteligencia artificial, sino proporcionar capacidades inéditas mediante la integración de cultivos neuronales en sistemas computacionales.

La vida útil de las neuronas en el chip es de aproximadamente seis meses. Hasta el momento, los resultados obtenidos no son completamente consistentes ni programables, aunque la posibilidad de alcanzar un sistema escalable y eficiente energéticamente despierta interés en sectores como el aprendizaje automático y el cribado de fármacos.

Fuente: Infobae

COMPARTIR ESTA NOTICIA

Facebook
Twitter

FACEBOOK

TWITTER