Quince bioordenadores con neuronas humanas vivas trabajaron juntos esta semana y lograron algo inesperado: coordinarse sin instrucción previa para superar el desempeño de la inteligencia artificial. El logro ataca uno de los principales obstáculos de la biocomputación: la inestabilidad. Un cultivo de neuronas no rinde igual de un día para otro, lo que pone en riesgo cualquier aplicación práctica.
Unir varios cultivos distribuye la carga entre ellos, permitiendo que el sistema continúe funcionando aunque uno falle. Sin esa confiabilidad, las máquinas biológicas seguirían siendo apenas demostraciones de laboratorio.
Del juego clásico a la red neuronal viva
El CL1 mantiene vivas esas neuronas sobre un chip equipado con electrodos que las estimulan y captan sus respuestas. La empresa presentó HIVE esta semana en Washington, durante la primera Conferencia Internacional de Inteligencia Organoide.
En una prueba de reconocimiento de símbolos, siete bioordenadores conectados elevaron la precisión desde alrededor del 80% hasta el 99%. En otra tarea, el sistema debía guiar a un personaje virtual por una cuadrícula hacia un objetivo. Una IA convencional logró cerca del 32% de la puntuación máxima, mientras que un único CL1 alcanzó el 40%.
Cuando múltiples cultivos decidían juntos, la cifra subió a aproximadamente el 70%, y al dividir la tarea entre grupos especializados, llegó a cerca del 80%.
Una ventaja que requiere contexto
La empresa tampoco ha especificado contra qué versión exacta de IA compara HIVE. El trabajo más similar publicado es un preprint —estudio abierto aún sin revisión— realizado junto con el Honda Research Institute Europe. Donde cultivos de CL1 aprendieron individualmente a seguir un rastro similar a un olor en una cuadrícula.
De aproximadamente 1.300 combinaciones de ajustes eléctricos probadas durante más de 4.000 horas, solo 12 lograron revelar cuánta dificultad entraña trabajar con cultivos. La IA rival era diminuta —ocho neuronas artificiales— y participó en el mismo número limitado de partidas que los cultivos.
Con ese entrenamiento restringido, los cultivos la superaban entre un 18% y un 25%. Cuando la IA recibió hasta 200 veces más partidas, se estancó alrededor del 75% de la puntuación máxima, mientras que los cultivos parecían aún tener capacidad de mejora.
Para igualar el desempeño de los cultivos en cinco intentos, la IA requirió al menos cuatro veces más partidas, revelando dónde radica la verdadera ventaja biológica: en la eficiencia. Los cultivos no poseen mayor inteligencia que la máquina; simplemente aprenden con menos experiencia, un rasgo que los investigadores consideran prometedor para aplicaciones donde los datos de entrenamiento son limitados.













