Tecnología
Conectan 15 chips con neuronas humanas y superan a una IA en pruebas
Cortical Labs ha conectado 15 ordenadores biológicos con neuronas humanas. En una prueba de navegación, el sistema superó a un algoritmo de IA.
Resumen
- Cortical Labs conectó 15 chips con neuronas humanas en el sistema HIVE
- En una prueba virtual, el conjunto rozó el 80% frente al 32% de una IA
- Los resultados son preliminares y no prueban una superioridad general
Un equipo de investigadores australianos ha conseguido conectar 15 ordenadores biológicos que funcionan con neuronas humanas vivas para que trabajen conjuntamente. El sistema, denominado HIVE, ha logrado superar a un algoritmo convencional de inteligencia artificial (IA) en una prueba de navegación virtual. El experimento abre una nueva vía para desarrollar máquinas capaces de aprender y procesar información mediante células nerviosas cultivadas en laboratorio.
El proyecto pertenece a Cortical Labs, una empresa australiana especializada en computación biológica que presentó sus resultados el 26 y 27 de octubre de 2026, durante la primera Conferencia Internacional sobre Inteligencia Organoide, celebrada en Washington. En una de las pruebas, varios procesadores neuronales trabajando juntos alcanzaron cerca del 80% de la puntuación máxima, frente al 32% obtenido por un algoritmo de inteligencia artificial de referencia. Los resultados son preliminares, pero muestran que conectar redes de neuronas puede mejorar su capacidad para resolver determinadas tareas.
La novedad está en la cooperación entre redes neuronales. Hasta ahora, los investigadores habían conseguido que cultivos de neuronas humanas interactuasen con videojuegos y respondiesen a estímulos eléctricos. HIVE plantea algo diferente: utilizar varias unidades biológicas para procesar información de forma distribuida, reducir los fallos individuales y obtener resultados más estables.
No se trata de quince cerebros humanos en miniatura capaces de pensar por sí mismos. Son cultivos de células nerviosas conectados a circuitos electrónicos. La distinción importa, porque el experimento demuestra una forma elemental de procesamiento biológico de información, no la aparición de una conciencia colectiva.
Cómo funciona HIVE, el sistema que conecta 15 ordenadores biológicos
El proyecto utiliza quince unidades del CL1, un ordenador biológico presentado comercialmente por Cortical Labs en 2025. Cada dispositivo incorpora neuronas humanas cultivadas sobre un chip de silicio equipado con electrodos capaces de enviar impulsos eléctricos y registrar la actividad de las células.
Los investigadores pueden transformar la información de un entorno digital en señales eléctricas que reciben las neuronas. Estas responden mediante su propia actividad eléctrica, que el sistema interpreta y convierte en acciones dentro de una simulación.
Así, las células participan en un circuito de aprendizaje en el que sus respuestas modifican el entorno y generan nueva información. Es lo que se conoce como un sistema de bucle cerrado: la actividad neuronal influye en lo que ocurre y recibe nuevas señales como consecuencia.
HIVE conecta electrónicamente quince de estos dispositivos para que contribuyan a resolver problemas conjuntos. No fusiona físicamente los cultivos ni crea nuevas conexiones nerviosas entre ellos como las que existen dentro de un cerebro humano.
Según Cortical Labs, las unidades conectadas mostraron comportamientos compatibles con una cierta división del trabajo. Los investigadores observaron que distintos cultivos podían contribuir a diferentes aspectos de una tarea sin haberles asignado explícitamente todas esas funciones de antemano.
Este comportamiento resulta especialmente interesante porque las redes neuronales vivas no funcionan siempre de manera idéntica. Su actividad cambia y su rendimiento puede variar. Combinar varios cultivos permite reducir la dependencia de una única red neuronal, una dificultad importante si algún día se pretende utilizar esta tecnología fuera del laboratorio.
Los resultados: hasta un 80% frente al 32% de una IA convencional
La demostración más llamativa consistió en guiar a un personaje virtual por una cuadrícula hasta alcanzar un objetivo. Para conseguirlo, el sistema debía interpretar información del entorno y seleccionar movimientos sucesivos.
Los investigadores compararon los resultados con los de una red neuronal artificial basada en Deep Q-Network (DQN), un método de aprendizaje por refuerzo que mejora sus decisiones mediante la experiencia y las recompensas obtenidas.
Según los datos presentados por la empresa, el algoritmo convencional consiguió aproximadamente el 32% de la puntuación máxima posible. El mejor ordenador biológico funcionando de manera individual alcanzó el 40%.
Cuando varios dispositivos CL1 participaron conjuntamente en la selección de movimientos, la puntuación aumentó hasta aproximadamente el 70%. Al organizar el procesamiento entre grupos especializados, el resultado se aproximó al 80% de la puntuación máxima.
La mejora es considerable dentro de ese experimento: el rendimiento del sistema colectivo prácticamente duplicó el obtenido por la mejor unidad biológica aislada.
Siete ordenadores neuronales elevaron la precisión del 80% al 99%
La compañía comunicó otro resultado relevante en una prueba de reconocimiento de símbolos. Al combinar siete ordenadores biológicos, la precisión pasó de aproximadamente el 80% al 99%.
Esta segunda demostración apunta a una posible ventaja de las redes neuronales distribuidas: distintas unidades pueden contribuir a compensar errores individuales y mejorar la fiabilidad del resultado conjunto.
Los investigadores también consideran que repartir el procesamiento puede ayudar a mantener el funcionamiento cuando determinados cultivos pierden rendimiento o dejan de responder.
Ahora bien, estas cifras corresponden a pruebas experimentales controladas. No demuestran que conectar más neuronas produzca siempre mejores resultados ni que cualquier configuración colectiva vaya a superar a un procesador convencional.
Por qué estos minicerebros no son más inteligentes que ChatGPT
El experimento ha despertado interés por haber superado a una inteligencia artificial, pero conviene precisar el alcance de esa comparación.
HIVE no ha demostrado ser superior a los modelos avanzados de IA empleados actualmente para generar textos, analizar imágenes, programar o resolver problemas complejos. Su ventaja se ha observado frente a sistemas de referencia utilizados en tareas experimentales específicas.
La diferencia entre conducir un personaje por una cuadrícula y realizar las funciones de un modelo de lenguaje avanzado es enorme. También lo son los requisitos de entrenamiento, memoria, precisión y capacidad de generalización.
Los resultados comunicados para HIVE todavía necesitan una validación científica más amplia. No equivalen a una demostración independiente de superioridad frente a la inteligencia artificial convencional.
Cortical Labs ha desarrollado investigaciones relacionadas con el aprendizaje neuronal que ayudan a entender esta limitación. En un trabajo preliminar actualizado en octubre de 2026, sus investigadores describieron unas 1.300 configuraciones de estimulación y procesamiento, estudiadas durante más de 4.000 horas de interacción experimental. Solo doce configuraciones mostraron un aprendizaje consistente en las condiciones analizadas.
Ese trabajo, centrado en optimizar la interacción entre cultivos neuronales y entornos simulados, es distinto de la demostración colectiva de HIVE. Ambos reflejan una dificultad fundamental: conseguir que las células aprendan de forma repetible depende tanto de su actividad biológica como del diseño electrónico y de las señales que reciben.
La computación basada en neuronas todavía debe demostrar que sus resultados pueden reproducirse, ampliarse a tareas más exigentes y mantenerse de manera estable durante periodos prolongados.
El consumo energético y la dificultad de mantener vivas las neuronas
Una de las razones por las que científicos y empresas investigan los ordenadores biológicos es su posible eficiencia energética.
El cerebro humano procesa enormes cantidades de información con un consumo eléctrico relativamente reducido. La computación biológica pretende aprovechar algunas propiedades de las redes neuronales naturales para desarrollar sistemas capaces de aprender utilizando menos recursos.
Sin embargo, el bajo consumo de las neuronas no garantiza que un ordenador biológico completo sea más eficiente que uno convencional.
Las células necesitan nutrientes, una temperatura adecuada y condiciones químicas estables para sobrevivir. Los dispositivos deben incorporar mecanismos de mantenimiento y control, además de los circuitos electrónicos necesarios para comunicarse con los cultivos.
Cortical Labs atribuye a cada CL1 un consumo aproximado de 25 vatios, aunque esa cifra no permite concluir que resulte más eficiente que una GPU o un procesador de inteligencia artificial. Para establecer una comparación rigurosa habría que medir cuánto trabajo útil realiza cada sistema por unidad de energía consumida.
También existe una limitación práctica. El CL1 está diseñado para mantener sus neuronas viables durante un máximo aproximado de seis meses, lo que obliga a contemplar el mantenimiento y la renovación de los cultivos.
La empresa ya participa en proyectos destinados a ampliar esta tecnología. En agosto de 2026 se presentó en Singapur un prototipo de infraestructura de computación biológica formado por veinte unidades CL1, desarrollado junto con la Universidad Nacional de Singapur y el operador de centros de datos DayOne.
Son avances hacia sistemas de mayor escala, pero todavía no constituyen una alternativa demostrada a los grandes centros de datos que utilizan procesadores convencionales.
De jugar al Pong a desarrollar nuevas formas de computación
El proyecto HIVE continúa una línea de investigación que ganó notoriedad en 2022, cuando Cortical Labs publicó un experimento conocido como DishBrain.
En aquel trabajo, los investigadores utilizaron cultivos neuronales conectados a un sistema electrónico para interactuar con una versión simplificada del videojuego Pong. Las células recibían información sobre el movimiento de la pelota mediante estímulos eléctricos y su actividad influía en los movimientos de la pala.
Aquella demostración aportó evidencias de adaptación de redes neuronales cultivadas ante determinados estímulos y mecanismos de respuesta.
Durante 2026, la empresa también mostró cultivos de neuronas humanas interactuando con el videojuego Doom, un entorno considerablemente más complejo que Pong. Estas demostraciones no significan que las células comprendan las reglas de un videojuego como lo haría una persona, sino que pueden formar parte de sistemas capaces de ajustar sus respuestas a información externa.
Las aplicaciones que se investigan van más allá del entretenimiento. La computación biohíbrida, que combina tejido vivo y componentes electrónicos, podría facilitar nuevas herramientas para estudiar enfermedades neurológicas, investigar medicamentos o desarrollar interfaces de control robótico.
Cortical Labs también ha presentado una demostración de un perro robótico controlado parcialmente mediante actividad neuronal cultivada. Su potencial resulta interesante, aunque faltan datos experimentales suficientes para valorar su autonomía, rendimiento y capacidad de aprendizaje en condiciones reales.
El verdadero desafío es construir ordenadores biológicos fiables
HIVE introduce una posibilidad relevante en la investigación informática: que varias redes de neuronas humanas cultivadas puedan contribuir a un mismo proceso de cálculo y obtener mejores resultados que trabajando de forma aislada.
La idea no consiste necesariamente en sustituir los procesadores de silicio por tejido humano. Los propios sistemas experimentales dependen de electrónica, programas informáticos y mecanismos de comunicación digital. El objetivo es investigar arquitecturas híbridas que aprovechen las propiedades de ambos componentes.
Todavía quedan problemas importantes por resolver. Los científicos necesitan comprender mejor cómo se coordinan las redes celulares, qué mecanismos explican su adaptación, cómo garantizar resultados reproducibles y de qué manera ampliar estos sistemas sin perder estabilidad.
El uso de células nerviosas humanas también exige mantener criterios éticos claros, especialmente a medida que los cultivos adquieren mayor complejidad. Los dispositivos actuales no ofrecen evidencias de poseer conciencia, pero el desarrollo futuro de estas tecnologías requiere supervisión científica.
Por ahora, el resultado más significativo no es que quince «minicerebros» hayan derrotado a la inteligencia artificial. Es que varios ordenadores con neuronas humanas han conseguido colaborar y mejorar su rendimiento en pruebas concretas.
Ese avance todavía está lejos de transformar la informática cotidiana. Pero ofrece una demostración experimental de cómo podrían construirse sistemas capaces de procesar información combinando circuitos electrónicos y redes neuronales vivas.
-
EspañaEl Supremo rebaja la condena a un cabo que robó cable de Eurofighter
-
CulturaMuere Larry Poindexter, de ‘Friends’ y ‘CSI’, tras ser atropellado
-
DeportesHarden supera a Kobe Bryant en noches de 50 puntos y Aday Mara brilla
-
EconomíaEl bitcoin cae por debajo de 56.000 dólares y toca mínimos desde 2024
-
CulturaEstopa publica «La Maketa», la cinta original que su madre casi tiró
-
EstiloHoróscopo de hoy, 21 de noviembre: amor, trabajo y dinero por signo
-
EspañaElecciones 29N: los españoles en el extranjero ya votan en consulados
-
EspañaCampaña electoral del 21 de noviembre: actos y horarios en España
-
CienciaCáncer de páncreas: un 60,7 % responde a daraxonrasib y quimioterapia
-
HistoriaSantoral de hoy, 21 de noviembre: la Presentación de la Virgen María
-
CienciaDescubren que el chupador azul del río Misuri puede vivir 131 años
-
CienciaGotas nasales con ARN mensajero mejoran la memoria de ratones mayores