Centros de datos vivos: por qué la IA está recurriendo a las neuronas humanas

Mientras los gigantes tecnológicos siguen construyendo centros de datos cada vez más potentes para la inteligencia artificial, algunos investigadores buscan una arquitectura informática completamente distinta. La empresa australiana Cortical Labs ha presentado un sistema en el que los cálculos no los realizan chips de silicio, sino células cerebrales humanas cultivadas en laboratorio. Este experimento puede marcar el inicio de la era de los ordenadores biológicos, en la que la frontera entre biología y tecnología se difumine gradualmente.

Los ordenadores biológicos como nuevo enfoque de la informática

Tales desarrollos pueden parecer un experimento científico, pero el interés por ellos está creciendo precisamente por las limitaciones de la arquitectura de computación tradicional. Los modernos clusters de GPU consumen cientos de vatios por chip y requieren centros de datos masivos, mientras que los sistemas neuronales biológicos pueden ser capaces de resolver tareas de aprendizaje y adaptación con un consumo de energía significativamente menor. Si estas tecnologías siguen desarrollándose, esto podría representar no sólo otra startup, sino un intento de replantear los principios mismos de funcionamiento de los sistemas informáticos.

Cómo funcionan los ordenadores biológicos

La característica clave de estos sistemas es la capacidad de aprendizaje y adaptación de las neuronas. A diferencia de los procesadores clásicos, que ejecutan estrictamente instrucciones programadas, las redes neuronales vivas pueden cambiar su comportamiento en función de las señales entrantes. Los experimentos con estos sistemas ya han demostrado que los cultivos neuronales biológicos son capaces de un aprendizaje básico. Por ejemplo, en el sistema DishBrain, las neuronas cultivadas aprendieron a interactuar con una simulación del juego Pong, adaptando su actividad a lo que sucedía en la pantalla; los resultados de este experimento se publicaron en la revista Neuron. En demostraciones posteriores, los investigadores también demostraron que los cultivos neuronales podían responder a elementos del juego Doom, formando modelos sencillos de aprendizaje y comportamiento adaptativo.

Loading...

El tuit fue eliminado por el autor.

Pero guardamos todo 🙂.

En la práctica, esto representa un sistema híbrido en el que la biología trabaja conjuntamente con la electrónica programable. Los chips de silicio proporcionan la interfaz y el procesamiento de señales, mientras que las células neuronales realizan parte del trabajo computacional utilizando sus mecanismos de aprendizaje. Este enfoque podría conectar dos mundos -la inteligencia artificial y la neurobiología- creando un nuevo tipo de computación que actualmente existe a medio camino entre un experimento de laboratorio y una futura plataforma tecnológica.

Por qué la industria busca alternativas a los centros de datos tradicionales

Al mismo tiempo, la carga energética también está creciendo. Los centros de datos modernos ya consumen entre el 1% y el 1,5% de la electricidad mundial, y para refrigerarlos se necesitan grandes cantidades de agua.

Loading...

El tuit fue eliminado por el autor.

Pero guardamos todo 🙂.

Una sola GPU de alto rendimiento puede consumir entre 400 W y 700 W, y los grandes clusters contienen miles de estos chips. Como resultado, la infraestructura de IA se está convirtiendo en uno de los segmentos de la economía digital que más energía consume.

Por eso, los investigadores han empezado recientemente a buscar arquitecturas informáticas alternativas. Los sistemas biológicos podrían ser potencialmente mucho más eficientes. Por ejemplo, un solo módulo CL1 de Cortical Labs consume unos 30 W, un orden de magnitud menos que los procesadores gráficos modernos. Aunque estas tecnologías están aún en una fase incipiente, su aparición demuestra que la industria empieza a buscar soluciones a la crisis energética de la informática que acompaña al rápido crecimiento de la inteligencia artificial.

Dónde podría aplicarse la computación biológica

Otra aplicación importante es la modelización de enfermedades y el desarrollo de fármacos. Los cultivos neuronales pueden crecer a partir de células humanas y utilizarse como modelos para estudiar enfermedades neurodegenerativas como el Alzheimer o el Parkinson. En estos sistemas, los investigadores pueden observar cómo cambia la actividad neuronal bajo la influencia de distintas sustancias y probar posibles tratamientos con mayor rapidez y precisión que en los modelos tradicionales de laboratorio.

Por último, estos sistemas también pueden desempeñar un papel en el futuro desarrollo de la inteligencia artificial. Las redes neuronales vivas poseen por naturaleza la capacidad de aprender y adaptarse, lo que las convierte en una plataforma potencial para experimentar con nuevos algoritmos de aprendizaje. A diferencia de las redes neuronales convencionales, que requieren enormes recursos informáticos para su entrenamiento, los sistemas biológicos pueden demostrar un comportamiento adaptativo mediante interacciones entre células. Por esta razón, la computación biológica podría resultar especialmente prometedora en áreas en las que el aprendizaje, la autoorganización y la adaptación a nuevos datos son esenciales.

Nueva tecnología significa nuevas reglas

Una de las cuestiones clave se refiere a dónde está el límite entre el material biológico y un sistema capaz de demostrar signos de sensibilidad o comportamiento complejo. Los cultivos neuronales actuales son estructuras relativamente simples formadas por decenas o cientos de miles de células, y no poseen conciencia. No obstante, los investigadores reconocen que, a medida que se desarrolle la tecnología, pueden surgir nuevos retos, desde las normas de bioseguridad hasta las reglas que rigen el uso de células humanas y las limitaciones para crear sistemas neuronales más complejos.

Por eso los expertos sostienen cada vez más que el marco jurídico y ético de la futura industria de la computación biológica debe debatirse con antelación. Si con el tiempo estas tecnologías salen de los laboratorios y pasan a formar parte de la infraestructura informática, es probable que requieran una regulación aparte, como ocurrió con la investigación genética y la inteligencia artificial. Cuanto antes comience esta conversación, mayores serán las posibilidades de que el desarrollo de este nuevo campo tecnológico avance no sólo con rapidez, sino también de forma responsable.