¿Qué me dirías si te dijera que una computadora puede usar neuronas vivas para procesar la información? Esa es la idea detrás de una rama de la computación biológica que ya se prueba en laboratorios. El sistema combina un cultivo de neuronas, un chip con electrodos y software. Unos electrodos envían pulsos eléctricos a las células, registran su respuesta y el software le da un uso a esa actividad, como mover las ruedas de un robot o reconocer una letra. Lo más interesante está en una propiedad de las neuronas que se conserva incluso estando en una placa de laboratorio: Su respuesta puede evolucionar con la experiencia.
¿Es este el futuro de la IA? Bueno, veamos cómo se comparan las neuronas vivas con las redes neuronales de la IA. Estas últimas tomaron de la biología una idea sencilla: La respuesta de una red depende de cómo se combinan las señales que circulan por sus conexiones. En una red artificial, cada neurona es una operación matemática. Durante el entrenamiento, un algoritmo ajusta los valores que determinan cuánto influye cada señal en el resultado. En un cultivo, las células se comunican a través de sinapsis, conexiones que pueden fortalecerse o debilitarse con la actividad. El programa envía estímulos y registra la respuesta del conjunto, mientras los ajustes ocurren en el propio tejido.
Uno de los primeros equipos que exploró esa posibilidad fue el de Steve Potter, en Georgia Tech. En 2003 conectó un cultivo de neuronas de rata a un pequeño robot llamado Hybrot. La actividad de las células controlaba las ruedas y los sensores del robot devolvían información al cultivo. Así, cada movimiento modificaba la señal que las neuronas recibirían a continuación. En 2007, otro avance amplió el alcance de estos experimentos. El equipo de Shinya Yamanaka logró reprogramar células de la piel humana para obtener células madre capaces de convertirse, entre otras cosas, en neuronas. A partir de una muestra de piel se abría la posibilidad de estudiar en el laboratorio redes formadas por neuronas humanas.
En 2022, el equipo de Cortical Labs usó el videojuego Pong para medir si una de esas redes podía mejorar con la práctica. La posición de la pelota se traducía en pulsos eléctricos y la respuesta del cultivo movía la paleta. Una devolución acertada producía un estímulo breve y predecible. Un error producía una secuencia irregular. Al cabo de unos minutos, el cultivo conseguía más devoluciones consecutivas que al comienzo de la sesión. La ventaja de usar un juego tan sencillo era que el aprendizaje se podía medir contando rebotes.
Una prueba más cercana a un problema de ingeniería consistió en identificar letras en braille a partir de las lecturas de un sensor táctil. Los investigadores compararon dos formas de procesar la misma señal. Un programa que la recibió directamente reconoció el 82% de las letras. Cuando recibió la respuesta de tres organoides (pequeños cultivos tridimensionales de tejido nervioso) acertó el 83%. El dato interesante apareció al introducir interferencias. En una de las pruebas con ruido, la lectura directa cayó al 55% de aciertos, mientras que la lectura a través del tejido conservó el 83%.
Si la tecnología prospera, creo que las primeras aplicaciones van a ser bastante específicas. Para empezar, creo que va a encontrar su lugar en sistemas de IA que combinen hardware con tejido vivo (tal como hoy la IA funciona mejor si la integramos con herramientas y nuestro propio criterio, que por si sola… todavía). Una computadora convencional podría delegar en un chip con neuronas la parte de una tarea para la que importa especialmente reconocer una señal débil o distorsionada. Pero para que eso tenga sentido fuera del laboratorio habrá que demostrar que la ventaja se mantiene, que diferentes cultivos puedan repetir el resultado, y que se justifica el costo de mantener vivas las células. Me parece probable que el primer uso llegue en un instrumento científico, no veremos una PC o un GPU 100% orgánico. Pero no deja de ser una locura de alimento para los amantes de la ciencia-ficción-más-ciencia-que-ficción.