Investigadores están desarrollando wetware, sistemas biológicos capaces de procesar información mediante neuronas vivas en lugar de silicio. En un laboratorio cercano al lago Lemán, en Suiza, varios equipos están cultivando organoides neuronales que, conectados a electrodos, pueden generar actividad eléctrica, responder a estímulos y aprender tareas muy simples, como jugar al clásico Pong. Se espera que estos dispositivos consuman decenas o incluso cientos de veces menos energía que los sistemas tradicionales de inteligencia artificial. Sin embargo, el camino está lleno de dificultades: mantener las células vivas, proporcionarles nutrientes, controlar su crecimiento y evitar posibles dilemas éticos son desafíos esenciales para esta emergente frontera tecnológica.

Del hardware al wetware: la frontera entre lo vivo y lo digital

El término wetware se inspira en las nociones de hardware y software, pero se aplica a tejidos vivos. Se refiere a sistemas que realizan operaciones de cómputo mediante procesos bioeléctricos y bioquímicos, sustituyendo los circuitos de silicio por redes neuronales cultivadas. En este contexto, el “hardware” son las propias neuronas y su estructura física; el “software” es la red de sinapsis dinámicas y los patrones de activación que emergen de ellas. Aunque la idea tiene varias décadas, los avances recientes en biología celular y neuroingeniería han hecho posible experimentar con pequeños sistemas funcionales.

En cada neurona existen decenas de miles de canales iónicos que controlan el paso de corriente eléctrica, y cada sinapsis puede modificar su fuerza según la historia de activación. Este principio, conocido como plasticidad sináptica, convierte a las redes biológicas en sistemas enormemente ricos desde el punto de vista computacional. Frente a la lógica binaria tradicional, una red neuronal viva puede desarrollar respuestas moduladas y adaptativas, permitiendo el aprendizaje sin necesidad de programación explícita.

En experimentos recientes se ha estimado que un sistema de wetware podría consumir hasta un millón de veces menos energía que una neurona artificial equivalente en un modelo de inteligencia artificial. Esta diferencia energética sugiere una posible vía para construir centros de datos mucho más sostenibles y eficientes. Uno de los hitos más comentados es la aparición del dispositivo CL1, que emplea miles de neuronas humanas cultivadas sobre un chip para realizar operaciones básicas de aprendizaje. Según ABC News Australia, este proyecto podría inaugurar el modelo de negocio conocido como Wetware-as-a-Service, en el que empresas y laboratorios acceden remotamente a estos sistemas biológicos para investigación o procesamiento cognitivo.

En el laboratorio suizo: mini cerebros con tareas reales

En la ribera del lago Lemán, científicos suizos han logrado cultivar organoides neuronales a partir de células de la piel reprogramadas como células madre y posteriormente diferenciadas en neuronas. El proceso, que puede durar varios meses, culmina cuando el tejido neuronal alcanza una estructura funcional capaz de interactuar con matrices de electrodos. Durante ese periodo, los investigadores emplean técnicas de inmunofluorescencia para monitorizar la expresión de proteínas sinápticas y verificar la madurez celular. La BBC señala que los laboratorios involucrados ya mantienen alrededor de un millar de organoides activos en incubadoras automatizadas, cada uno conectado a sistemas de control de temperatura, flujo de nutrientes y oxigenación.

Una vez el organoide se adhiere a la matriz de electrodos, se establece una comunicación bidireccional: los electrodos estimulan grupos neuronales y registran las señales eléctricas generadas como respuesta. Al principio, las descargas son caóticas y dispersas, pero tras periodos de entrenamiento con estímulos repetidos se observa cómo las neuronas modifican sus conexiones, creando patrones de actividad cada vez más organizados. Este fenómeno recuerda al aprendizaje por refuerzo de las redes neuronales artificiales, aunque aquí ocurre de forma orgánica.

Un ejemplo emblemático es el experimento desarrollado por la empresa australiana Cortical Labs, donde una red de neuronas humanas cultivadas aprendió a jugar Pong. Tras unas pocas sesiones de estímulo y retroalimentación, el sistema consiguió mantener la pelota en movimiento más tiempo que las redes no entrenadas, una evidencia temprana de aprendizaje biológico autónomo. Según ABC News Australia, el desempeño mejoró entre un 20 % y un 30 % tras cada iteración de estímulo, mostrando la capacidad adaptativa de la red neuronal viva.

En los ensayos de laboratorio, las neuronas tardan apenas unos segundos en generar un pico de activación tras un estímulo, pero el reajuste sináptico completo puede extenderse durante minutos u horas. Este desfase temporal, propio de los sistemas biológicos, representa tanto una limitación como una oportunidad: limita la velocidad de cómputo, pero permite un tipo de memoria asociativa imposible de replicar con chips de silicio.

CL1: el cerebro biológico en una caja

El dispositivo CL1 se ha convertido en el símbolo de esta nueva disciplina. A simple vista, parece una caja metálica del tamaño de un pequeño ordenador doméstico, pero en su interior contiene un módulo biológico de neuronas humanas vivas adheridas a un chip electrónico. Esta interfaz mixta permite que los impulsos eléctricos se transmitan entre ambos dominios: las neuronas procesan la información entrante y las señales resultantes se traducen a datos digitales interpretables por un ordenador convencional.

El consumo energético de CL1 es ínfimo. Mientras que un modelo de inteligencia artificial de propósito general puede requerir cientos o incluso miles de vatios, el CL1 opera con apenas unos pocos. En pruebas internas, se ha comprobado que puede adaptarse a estímulos variables y mejorar su tasa de acierto hasta un 70 % en tareas simples de correlación. Estos porcentajes, aunque modestos, demuestran que la computación viva puede tener aplicaciones prácticas en sistemas de control, sensores biológicos o entornos de aprendizaje autónomo.

El modelo de negocio propuesto, Wetware-as-a-Service, permitiría a los investigadores acceder a las unidades CL1 a través de una conexión en la nube. Los estímulos se envían de manera remota y las respuestas neuronales se registran en tiempo real. Esto elimina la necesidad de mantener laboratorios especializados, reduciendo costes y riesgos biológicos. De acuerdo con TechCrunch, este enfoque podría inaugurar una nueva categoría de servicios cognitivos, en la que el hardware sea literalmente un tejido vivo que evoluciona y se adapta.

Desafíos técnicos, escalabilidad y dilemas éticos

A pesar de los logros alcanzados, el desarrollo de la biocomputación se enfrenta a varios obstáculos técnicos y éticos de gran magnitud. Mantener con vida las neuronas durante largos periodos requiere un control minucioso del medio, un suministro continuo de nutrientes y oxígeno, y una protección estricta frente a contaminantes. Replicar el complejo sistema vascular del cerebro humano en un entorno artificial sigue siendo un desafío técnico de primer orden.

Otro problema crucial es la escalabilidad. Pasar de unas pocas decenas de miles de neuronas a millones o incluso miles de millones implica manejar un volumen de conexiones sinápticas gigantesco, con riesgos de inestabilidad eléctrica y pérdida de sincronización. Cada neurona puede emitir señales de aproximadamente 100 milivoltios en milisegundos, lo que genera un flujo caótico de datos biológicos difícil de controlar.

La interfaz bioeléctrica plantea también interrogantes materiales. Los electrodos utilizados deben ser biocompatibles, lo bastante sensibles para detectar microvoltajes y lo suficientemente duraderos para resistir el contacto prolongado con tejido vivo. Algunos laboratorios experimentan con materiales como el grafeno o el óxido de indio-estaño, que ofrecen conductividad y estabilidad química adecuadas.

La reproducibilidad es otro reto esencial. Los sistemas biológicos cambian con el tiempo y la plasticidad sináptica, que constituye su principal ventaja adaptativa, puede transformarse en un problema al generar comportamientos impredecibles. Esta deriva funcional obliga a desarrollar algoritmos de estabilización capaces de “anclar” ciertas respuestas.

Por último, se abre un debate ético cada vez más intenso. Aunque los organoides neuronales actuales carecen de estructuras necesarias para la conciencia o el sufrimiento, los bioeticistas piden cautela. En declaraciones recogidas por la BBC, varios expertos sugieren establecer marcos legales antes de avanzar hacia sistemas más complejos, capaces de aprendizaje o percepción multisensorial. La frontera entre computación y biología nunca ha sido tan delgada.

Desde el punto de vista técnico, se estima que para igualar el rendimiento de una red neuronal artificial moderna harían falta entre cien y mil millones de neuronas interconectadas, funcionando de forma sincronizada. Alcanzar esa densidad en un entorno controlado supone un desafío colosal en términos de disipación térmica, estabilidad y consumo de recursos. Pero si se lograra, los beneficios serían extraordinarios: sistemas de procesamiento con una eficiencia energética cientos de veces superior, alta tolerancia al fallo y capacidad de aprendizaje contextual sin supervisión.

Reflexiones finales

El wetware plantea una forma distinta de entender la computación, más cercana a los procesos naturales del cerebro que a la lógica del silicio. No busca sustituir la inteligencia artificial actual, sino complementarla con un modelo más eficiente y adaptable. El CL1 encarna ese primer paso hacia una convergencia entre biología e ingeniería, un intento de construir máquinas que literalmente “aprenden” de la experiencia a través de células vivas.

El potencial es enorme, pero también lo son los riesgos. Las dificultades de mantenimiento, la variabilidad biológica y las implicaciones éticas obligan a avanzar con prudencia. Aun así, los progresos logrados en Suiza, Australia y otros centros demuestran que los organoides neuronales pueden comportarse como pequeñas unidades de procesamiento, abriendo una línea de investigación que podría transformar el futuro de la computación.

Si la humanidad logra integrar materia viva y sistemas digitales de manera responsable, podríamos estar ante una nueva etapa científica: una era en la que los ordenadores no solo imiten al cerebro, sino que lo incorporen en su esencia.