Un chip con neuronas humanas logra aprender a jugar Doom en solo una semana, acercando la computación biológica a aplicaciones reales como controlar brazos robóticos.
Un conjunto de neuronas humanas cultivadas sobre un chip ha demostrado ser capaz de jugar al clásico Doom. Aunque su rendimiento aún está lejos del de un jugador humano, el avance supone un paso importante hacia sistemas biológicos capaces de resolver tareas complejas en tiempo real.
El DLC de DOOM: The Dark Ages promete ser como una secuela – XboxManiac
El experimento, desarrollado por Cortical Labs, muestra cómo estos chips neuronales pueden aprender más rápido que los sistemas tradicionales basados en silicio y abre la puerta a aplicaciones prácticas en robótica y computación híbrida.
Neuronal computing da un salto: de Pong a Doom
En 2021, Cortical Labs sorprendió al mundo al conseguir que un chip con más de 800.000 neuronas humanas aprendiera a jugar Pong. Aquella demostración requirió años de trabajo científico y un entrenamiento extremadamente cuidadoso. Ahora, la compañía ha desarrollado una interfaz que permite programar estos chips directamente en Python, simplificando el proceso de forma radical.
Gracias a esta nueva herramienta, el desarrollador independiente Sean Cole logró entrenar un chip neuronal para jugar Doom en aproximadamente una semana. El sistema utilizó solo una cuarta parte de las neuronas del experimento de Pong, pero aun así superó a un jugador aleatorio y mostró una capacidad de aprendizaje notablemente más rápida que los algoritmos tradicionales de machine learning.
Un avance hacia aplicaciones reales
Aunque el chip no se acerca al rendimiento humano, los investigadores destacan que no debe compararse con un cerebro completo. En su lugar, funciona como un material biológico capaz de procesar información de formas que el silicio no puede replicar. Expertos como Andrew Adamatzky subrayan que Doom es un desafío mucho más complejo que Pong, y que esta demostración evidencia un progreso real en el control y entrenamiento de sistemas neuronales vivos.
Otros investigadores, como Steve Furber, señalan que aún queda mucho por entender: cómo “ven” las neuronas la pantalla, cómo interpretan lo que se espera de ellas o cómo organizan su comportamiento sin un sistema sensorial tradicional. Aun así, el salto de complejidad es innegable y entusiasma a la comunidad científica.
Ficha técnica
- Experimento realizado por Cortical Labs
- Chip compuesto por neuronas humanas cultivadas sobre matrices de microelectrodos
- Programación y entrenamiento realizados mediante interfaz en Python
- Desarrollo adicional por el programador independiente Sean Cole
- Expertos citados: Brett Kagan, Andrew Adamatzky, Steve Furber, Yoshikatsu Hayashi
- Aplicaciones potenciales: control de brazos robóticos, computación híbrida biológica-silicio
Conclusión
El hecho de que un conjunto de neuronas humanas pueda aprender a jugar Doom en tan poco tiempo demuestra el enorme potencial de la computación biológica. Aunque aún estamos lejos de comprender completamente cómo procesan la información estos sistemas, su capacidad para manejar complejidad, incertidumbre y decisiones en tiempo real los acerca a aplicaciones prácticas que hace pocos años parecían ciencia ficción.
Este avance no solo representa un hito técnico, sino también un indicio de cómo podrían evolucionar los futuros ordenadores híbridos, combinando la eficiencia del silicio con la flexibilidad del tejido vivo.
