Computación Biológica
La búsqueda humana por extender los límites de la computación nos ha llevado, hasta ahora, al universo del silicio. Las computadoras actuales, con toda su destreza, enfrentan barreras fundamentales: el alto consumo de energía, la desaceleración en la ley de Moore y el cuello de botella creado por la arquitectura de von Neumann, que separa el procesador de la memoria. Ante estas circunstancias, nuestra mirada se ha girado hacia el sistema computacional más sofisticado y de gran economía de energía que conocemos: el cerebro biológico. Así ha cobrado vida un campo cautivador y con gran potencial de cambio: la computación biológica, con un enfoque particular en el uso de neuronas vivas o sus equivalentes en neuronas artificiales.
¿Qué es la Computación Biológica?
La computación biológica, en su sentido más amplio, se refiere al acto de servirse de sistemas biológicos —moléculas, células o incluso organismos— para llevar a cabo cálculos. Esto abarca desde el cómputo con ADN, que aprovecha las propiedades de las hebras genéticas para resolver problemas matemáticos, hasta el cómputo basado en proteínas. Cuando hablamos de «computación biológica con neuronas», nos adentramos en el reino del «hardware húmedo»: sistemas computacionales construidos a partir de tejido neural vivo, sea cultivado en laboratorio o derivado de seres vivos.
Aquí el gran propósito es igualar, y quizás superar, las capacidades del cerebro en cuanto a economía de energía, aprendizaje que se amolda y procesamiento de información compleja. Se busca lograr esto con las mismas unidades que dan forma a nuestra cognición: las neuronas. A diferencia de la computación neuromórfica que, creada en silicio, imita la arquitectura cerebral, la computación biológica con neuronas emplea los componentes auténticos del cerebro. Esto puede materializarse en redes neuronales cultivadas en placas de laboratorio, sobre matrices de microelectrodos (MEAs), o en estructuras de mayor complejidad, como los «organoides cerebrales» –pequeños cerebros que crecen de células madre y que replican algunas características anatómicas y funcionales del cerebro humano en desarrollo.
La esperanza se basa en capturar la capacidad innata de ahorro de energía del cerebro, un órgano que puede realizar tareas cognitivas complejas con apenas 20 vatios de potencia, mientras que las supercomputadoras más grandes demandan megavatios. Se busca construir un tipo de procesador que aprenda por sí mismo, se ajuste y procese información de formas que las computadoras de silicio actuales no logran.
Descripción y Funcionamiento
El modo en que opera la computación biológica con neuronas se funda en los principios más básicos de la neurobiología y la bioelectricidad.
Las Unidades Centrales: Neuronas y Sinapsis
- Neuronas: Son las células base de nuestro sistema nervioso, con la función especial de recibir, procesar y enviar información a través de señales eléctricas (potenciales de acción o «spikes») y químicas (neurotransmisores). Toda neurona cuenta con dendritas (que captan señales), un soma (el cuerpo celular que integra la información) y un axón (que lleva la señal a otras neuronas).
- Sinapsis: Son las uniones especiales entre neuronas por donde la información pasa. La fuerza de estas uniones (el peso sináptico) puede cambiar con la actividad, un fenómeno conocido como plasticidad sináptica. Esta plasticidad es el cimiento del aprendizaje y la memoria en el cerebro.
Codificación y Procesamiento de la Información
- Patrones de Actividad: En lugar de bits binarios (0 y 1), la información en una red neuronal biológica se traduce en los patrones de espacio y tiempo de los potenciales de acción (su frecuencia de descarga, su sincronización, sus ritmos oscilatorios) y en la intensidad de las conexiones sinápticas.
- Procesamiento Paralelo en Gran Escala: El cerebro trabaja con miles de millones de neuronas interconectadas, procesando datos de forma masivamente paralela y dispersa, algo distinto al procesamiento secuencial que es propio de las arquitecturas de von Neumann.
- Auto-Organización y Aprendizaje: Las redes neuronales biológicas tienen una capacidad inherente para organizarse solas y para aprender de lo vivido. Mediante mecanismos como la plasticidad sináptica (por ejemplo, la Potenciación a Largo Plazo, la Depresión a Largo Plazo), las conexiones entre neuronas se hacen más fuertes o se debilitan según la actividad, lo que permite que la red aprenda y guarde información de forma adaptable.
Montajes Experimentales
- Cultivos Neuronales en MEAs (Multi-Electrode Arrays): Esta es una disposición común. Las neuronas (a menudo de ratón, rata o células madre humanas) se cultivan directamente sobre una placa que tiene una cuadrícula de microelectrodos. Estos electrodos permiten registrar la actividad eléctrica de las neuronas (la salida) y estimularlas con pulsos eléctricos (la entrada), creando así una vía de dos sentidos. Los investigadores pueden «adiestrar» estas redes exponiéndolas a patrones de estímulos y viendo cómo su actividad se transforma con el tiempo.
- Organoides Cerebrales: Estos ofrecen una complejidad en tres dimensiones que los cultivos en dos dimensiones no logran. Estos «pequeños cerebros» desarrollan estructuras en capas y tipos variados de células neuronales, lo que posibilita el estudio de interacciones neuronales más intrincadas y la formación de circuitos iniciales. Su aplicación en el cómputo se encuentra en sus comienzos, pero su promesa es enorme para tareas que piden una arquitectura de mayor complejidad.
A fin de cuentas, la computación biológica con neuronas busca convertir los problemas computacionales a un lenguaje que las redes neuronales biológicas puedan «entender» (patrones de estímulos eléctricos o químicos) y luego «descifrar» las respuestas procesadas de la misma forma.
Ventajas y Potencialidades de la computación biológica
Las ventajas de la computación biológica con neuronas, si bien se encuentran aún en etapas experimentales, son muy atractivas y podrían redefinir por completo el paisaje del cómputo.
- Una Economía de Energía Sobresaliente: El cerebro humano trabaja con una potencia de unos 20 vatios. En contraste, las supercomputadoras más ahorradoras de energía consumen megavatios. La habilidad del cerebro para llevar a cabo cálculos complejos con tan poca energía es difícil de igualar y es una de las razones principales para buscar el cómputo biológico.
- Capacidad de Aprendizaje Inherente y que se Ajusta: Las redes neuronales biológicas aprenden sin cesar, sin supervisión y con pocos ejemplos (aprendizaje con pocas muestras), una aptitud que la IA actual de silicio lucha por replicar con economía de recursos. Pueden ajustarse a entornos cambiantes y aprender nuevas tareas sin que sea necesario reprogramarlas explícitamente.
- Procesamiento Paralelo en Gran Escala: Las neuronas operan al mismo tiempo, lo que permite un procesamiento de información distribuido y con gran paralelismo, ideal para tareas como el reconocimiento de patrones, la optimización y la resolución de problemas complejos.
- Tolerancia a Fallos y Solidez: El cerebro posee una redundancia y resistencia naturales. Si algunas neuronas perecen o fallan, la red en su totalidad puede seguir funcionando bien, distribuyendo las tareas y encontrando nuevas sendas. Esta capacidad de recuperación es difícil de conseguir en sistemas de silicio.
- Resolución de Problemas que se Consideran Muy Difíciles: Pueden ser inherentemente mejores para problemas de optimización, reconocimiento de patrones intrincados (imágenes, voz), procesamiento de lenguaje y tareas de toma de decisiones que piden una gran flexibilidad y adaptabilidad.
- Nuevas Arquitecturas de Inteligencia Artificial: Podrían dar origen a formas de inteligencia artificial con diferencias fundamentales, que no solo «calculen» sino que también «sientan» o «experimenten» de alguna manera, abriendo caminos hacia una comprensión más profunda de la conciencia y la cognición.
- Plataformas para el Descubrimiento de Medicamentos y Modelado de Enfermedades: Las redes neuronales vivas ofrecen un modelo relevante en lo biológico para estudiar enfermedades que afectan los nervios, probar la toxicidad de medicamentos y entender cómo los tratamientos actúan sobre la función neuronal en un entorno más cercano a la fisiología real que las líneas celulares en dos dimensiones.
- Interfaces Cerebro-Computadora Avanzadas: La computación biológica podría ser el puente definitivo para interfaces mixtas, donde los componentes biológicos se integren de forma más orgánica con los sistemas tecnológicos para prótesis avanzadas o para ayudar a restaurar funciones cerebrales dañadas.
Desafíos y Limitaciones
A pesar de sus grandes promesas, la computación biológica con neuronas encara obstáculos enormes que evitan su adopción masiva.
- Escalabilidad y Complejidad: Cultivar y mantener redes neuronales intrincadas a una escala equiparable a la de los chips de silicio de hoy (miles de millones de componentes) es un reto monumental. Reproducir la diversidad de tipos neuronales y las estructuras complejas tridimensionales del cerebro real (como la corteza cerebral) es sumamente difícil.
- Control y Precisión para «Programar»: A diferencia del software de silicio que puede ser programado bit a bit, las redes biológicas son inherentemente «flexibles» y difíciles de controlar con exactitud. Es complicado «programar» un algoritmo específico en una red biológica o asegurarse de que su comportamiento sea predecible. La entrada y salida de datos exige interfaces de gran complejidad.
- Vida Útil y Estabilidad: Los cultivos neuronales y los organoides son tejidos vivos que demandan un cuidado detallado (nutrientes, oxígeno, temperatura, pH), son vulnerables a la contaminación y tienen una vida limitada en contraste con el silicio. Su rendimiento puede declinar con el tiempo.
- Consistencia y Variabilidad: Los sistemas biológicos varían por naturaleza. Dos cultivos neuronales idénticos nunca se comportarán de la misma manera debido a pequeñas diferencias genéticas, condiciones de crecimiento o incluso el comportamiento aleatorio de las neuronas. Esto complica la estandarización y la repetición de experimentos.
- Rapidez de Operación Individual: Aunque el procesamiento es altamente paralelo, la rapidez con la que una sola neurona envía señales (milisegundos) es muchísimo más lenta que la velocidad de conmutación de un transistor de silicio (nanosegundos). La ventaja radica en el paralelismo, no en la velocidad de cada unidad.
- Interfaz y Conexión: Conectar el mundo analógico y electroquímico de las neuronas con el mundo digital y electrónico de las computadoras actuales es un desafío técnico enorme. Se necesitan transductores ahorradores y de alta resolución para la entrada (estímulos precisos) y la salida (lectura de la actividad neuronal).
- Costos de Producción y Mantenimiento: La creación, el crecimiento y el cuidado de los sistemas biológicos son caros y exigen instalaciones de laboratorio especializadas, así como personal con alta preparación.
Consideraciones Éticas
El desarrollo de la computación biológica con neuronas nos lleva a algunas de las preguntas morales más profundas y que más desafían de nuestra era, sobre todo a medida que estos sistemas adquieren mayor complejidad.
- Capacidad de Sentir y Conciencia: La inquietud más apremiante es si una red neuronal biológica con la complejidad suficiente podría llegar a un nivel de conciencia, de sentir, o la capacidad de experimentar sensaciones como el dolor. Si un organoide cerebral o una red cultivada mostrara signos de actividad cerebral compleja, ¿qué implicaciones morales tendría su uso o su destrucción?
- El Límite: ¿Existe un umbral de complejidad por encima del cual un sistema biológico obtiene una posición moral? ¿Cómo lo definimos y cómo lo medimos?
- Posición Moral de los Organoides y Cultivos: Si los organoides cerebrales reproducen cada vez más la estructura y el funcionamiento del cerebro humano, ¿deberían recibir algún tipo de consideración moral, similar a la que damos a los animales o incluso a los seres humanos?
- Uso de Células Humanas: Muchos de estos sistemas se desarrollan a partir de células madre pluripotentes inducidas (iPSCs) que provienen de tejidos humanos. Si bien esto presenta ventajas por su relevancia biológica, plantea interrogantes sobre el acuerdo para el uso de estos materiales y el respeto hacia el donante original.
- El «Cerebro en una Cubeta»: La idea de un cerebro o una mente completamente separada del cuerpo y cultivada artificialmente genera preguntas sobre la existencia y la identidad. ¿Sería una «persona»? ¿Qué derechos tendría?
- Potencial de Doble Vía: Como muchas tecnologías avanzadas, la computación biológica podría tener aplicaciones tanto para uso civil como militar. El desarrollo de sistemas biológicos avanzados para procesar información podría causar inquietudes sobre la seguridad nacional, la vigilancia o incluso las armas biológicas computacionales.
- Efecto en la Comprensión Humana: Si podemos generar «inteligencia» a partir de tejido biológico, ¿cómo alterará esto nuestra comprensión de la inteligencia, la conciencia y aquello que nos hace únicos como humanidad?
Es vital que estas consideraciones morales se aborden de forma proactiva y con múltiples disciplinas, incluyendo a científicos, expertos en bioética, filósofos, legisladores y el público en general, antes de que la tecnología de la compiutación biolpogica con neuronas avance sin un marco ético bien establecido.
Escenarios Futuros de la Computación Biológica
El porvenir de la computación biológica es amplio y se presta a la especulación, pero se vislumbran varias perspectivas prometedoras:
- Sistemas Híbridos Bio-Silicio: El camino que parece más seguro a corto y medio plazo. Los componentes biológicos no reemplazarán por completo al silicio, sino que actuarán como «co-procesadores» dedicados, integrándose con la electrónica habitual. Por ejemplo, un chip de silicio podría manejar el control de bajo nivel y la entrada/salida, mientras que una pequeña red neuronal biológica se encarga de tareas de reconocimiento de patrones con alta economía de recursos o de aprendizaje que se adapta, que el silicio lucha por replicar.
- Inteligencia Artificial de Próxima Generación: La computación biológica podría ser la clave para una IA que verdaderamente se ajuste, que ahorre energía y que sea capaz de aprender sin interrupciones en tiempo real, superando los límites actuales del aprendizaje profundo basado en grandes colecciones de datos. Podría transformar campos como la robótica autónoma, la medicina personalizada y los sistemas de toma de decisiones.
- Plataformas para el Descubrimiento de Medicamentos y Medicina Personalizada: Las redes neuronales y los organoides se convertirán en modelos de enfermedades neurológicas con mayor precisión y complejidad (por ejemplo, Alzheimer, Parkinson). Esto posibilitará una evaluación más rápida de los medicamentos, la identificación de marcadores biológicos y la creación de terapias a la medida de cada persona, reduciendo la necesidad de pruebas en animales y mejorando el éxito de los ensayos clínicos.
- Bio-Sensores y Neuro-Prótesis Avanzadas: Circuitos biológicos que se integren con aparatos electrónicos podrían generar sensores biológicos más sensibles y selectivos para detectar enfermedades o para la vigilancia del entorno. También, las neuro-prótesis podrían volverse más naturales y con mayor función al incorporar componentes biológicos que interactúen de forma más armoniosa con el sistema nervioso humano.
- Computación «Viva» y Autosuficiente: A largo plazo, imaginamos sistemas computacionales que puedan repararse solos, organizarse por sí mismos y mantenerse sin ayuda, pidiendo mínima intervención humana una vez que estén establecidos. Esto podría ser fundamental para misiones espaciales de larga duración o para el cómputo en lugares remotos.
- Nuevas Formas de Interacción entre el Humano y la Máquina: Conforme la distancia entre la biología y la tecnología se acorte, podrían aparecer interfaces cerebro-computadora (BCI) mucho más desarrolladas y orgánicas, permitiendo una comunicación sin fricción entre el pensamiento humano y las máquinas.
- Comprensión Fundamental del Cerebro: El intento de construir y «programar» sistemas biológicos para el cómputo nos impulsará a comprender mejor cómo el cerebro procesa la información, aprende y da lugar a la conciencia. La computación biológica no es solo una nueva tecnología; es también una herramienta poderosa para la neurociencia fundamental.
La computación biológica con neuronas, aunque se encuentra en sus comienzos, no es simplemente una curiosidad del mundo de la ciencia; es una frontera que promete redefinir lo que es factible en el mundo del cómputo. Los retos son inmensos, y las implicaciones éticas son profundas, pero la recompensa potencial —un futuro de computación con más ahorro de energía, más inteligencia y con una base fundamentalmente distinta— es lo bastante grande como para justificar su exploración continua. Estamos en el umbral de una época donde las máquinas no solo pensarán como cerebros, sino que quizás, en algún sentido, ¡serán cerebros!
Otros enlaces de interes
https://www.scientificamerican.com/article/these-living-computers-are-made-from-human-neurons