Português 
Inglês 
Espanhol 
6 min de leitura 
1 comentário 
Después de hacer que neuronas humanas aprendieran a jugar Doom en solo una semana, la misma empresa ahora avanza en la creación de centros de datos biológicos y trata de llevar esta tecnología a una escala sin precedentes
La startup australiana Cortical Labs quiere llevar la computación biológica a un nuevo nivel con la construcción de dos centros de datos abastecidos por chips con células neuronales. La propuesta coloca a Melbourne y Singapur en el centro de una carrera que mezcla computación, energía y capacidad de escala.
El movimiento llama la atención porque los centros de datos tradicionales consumen grandes volúmenes de electricidad, mientras que la demanda de chips sigue en aumento. En este escenario, la empresa intenta abrir espacio para un modelo que utiliza neuronas vivas en lugar de depender únicamente del silicio convencional.
Melbourne tendrá 120 unidades CL1 y abre la primera escala física del proyecto
El primer centro se instalará en Melbourne y debe reunir alrededor de 120 unidades CL1. Este número da una dimensión más concreta al proyecto, que hasta ahora había sido observado más por su carácter experimental que por una aplicación en escala física.
-
En un pozo inundado, arqueólogos encuentran un huevo romano de 1.700 años que aún guarda clara y yema intactas dentro de la cáscara súper fina.
-
Algo está sucediendo alrededor de la Tierra: Dentro de la enorme explosión de bolas de fuego de 2026.
-
Burbuja de aire caliente proveniente de Argentina se expande sobre Brasil y hace que los termómetros superen los 38 grados con sensación térmica de 40 grados a finales de marzo, afectando a 6 estados de una sola vez.
-
La hoja del rábano que casi todo el mundo tira tiene más polifenoles, flavonoides y fibra que la raíz consumida, y un estudio de 2025 mostró que la hoja contiene compuestos que protegen el intestino, combaten inflamaciones y pueden inhibir el crecimiento de células cancerígenas.
La base de esta tecnología son células neuronales conectadas a matrices de microelectrodos, estructuras capaces de estimular las neuronas y medir sus respuestas cuando reciben datos. En términos simples, el sistema intenta transformar la actividad biológica en procesamiento útil para tareas específicas.
La empresa ya había mostrado que su principal computadora, el CL1, logró aprender a jugar Doom en una semana. El logro ayuda a ilustrar el potencial de la plataforma, pero también deja claro que el avance aún está ligado a tareas limitadas y controladas.
Singapur comienza con 20 sistemas y mira 1000 unidades tras aprobación
El segundo centro está siendo desarrollado en colaboración con la National University of Singapore. En la fase inicial, la instalación tendrá 20 CL1, pero la meta de la compañía es ampliar ese número a 1000 unidades en un centro más grande, siempre que haya aprobación regulatoria.
Esta expansión es estratégica porque puede ampliar el servicio de computación en la nube basado en neuronas. En la práctica, Cortical Labs intenta salir del campo de la demostración puntual y abrir acceso más amplio para investigadores y equipos que hoy encuentran dificultades para montar este tipo de sistema por cuenta propia.
Michael Barros, de la Universidad de Essex, observa que plataformas de este tipo suelen exigir mucho esfuerzo, dinero y trabajo de laboratorio. Por eso, hacer que esta infraestructura sea accesible a gran escala puede representar un cambio importante para quienes investigan sobre computación biológica.
Según New Scientist, revista británica de ciencia y tecnología, cada CL1 consume 30 watts y trata de modificar la cuenta de energía
La promesa energética es uno de los puntos más fuertes del proyecto. Cortical Labs afirma que cada CL1 necesita alrededor de 30 watts, mientras que un chip convencional de punta destinado a inteligencia artificial puede exigir miles de watts.
Este contraste ayuda a explicar por qué la propuesta despierta interés. En lugar de competir solo por potencia bruta, la empresa intenta entrar en la discusión desde el lado de la eficiencia, especialmente en un momento en que el gasto eléctrico de los centros de datos se ha convertido en un tema central en el sector tecnológico.
Paul Roach, de la Universidad de Loughborough, evalúa que el ahorro puede ser relevante cuando estos sistemas ocupen salas enteras, como ya ocurre con servidores tradicionales. También destaca que los chips biológicos necesitan recursos para mantener vivas las neuronas, como nutrientes, pero tienden a exigir menos refrigeración, lo que puede aliviar parte de la presión energética.
Aprender Doom en una semana aún está lejos del salto a modelos mayores
A pesar del avance, los expertos dicen que el estado actual aún está lejos de algo listo para un uso amplio. Reinhold Scherer, también de la Universidad de Essex, afirma que aún no está claro exactamente cómo funcionan estas neuronas en tareas de aprendizaje ni cuál es la mejor manera de entrenarlas.
El punto central es que las neuronas no son programadas como computadoras comunes. En lugar de seguir instrucciones rígidas, necesitan ser entrenadas y observadas de otra forma, lo que hace que el proceso sea menos predecible y mucho más delicado.
Tjeerd olde Scheper, de la Universidad de Oxford Brookes, resume este momento como una fase inicial de desarrollo. Ya Steve Furber, de la Universidad de Manchester, ve una gran distancia entre un pequeño conjunto de neuronas jugando un juego y sistemas mucho más complejos, como modelos de lenguaje.
La comparación de escala también pesa. El centro biológico propuesto tendrá centenas de chips, mientras que los mayores centros de datos de inteligencia artificial operan con centenas de miles de GPUs. Esto muestra que el proyecto puede ser relevante como experimento y plataforma de investigación, pero aún no disputa el mismo terreno que los gigantes del sector.
Memoria limitada y nuevo entrenamiento cada 30 días aún frenan la escala
Uno de los mayores obstáculos es el almacenamiento del aprendizaje. Aún no existe una respuesta clara sobre cómo guardar los resultados del entrenamiento de las neuronas en una forma de memoria estable, ni cómo ejecutar algoritmos computacionales completos en este entorno biológico.
Otro problema aparece cuando la cultura celular llega a su fin. Scherer destaca que lo que se ha aprendido se pierde con el cierre de la vida de esta cultura, lo que obliga a un nuevo entrenamiento. Si este ciclo necesita ser repetido cada 30 días, la tecnología se enfrenta a un límite práctico importante para operar de forma continua.
Este punto pesa directamente en el futuro comercial de la propuesta. Sin una forma estable de preservar el aprendizaje y reutilizar resultados, el ahorro energético puede verse afectado por un costo operativo que aún no ha sido resuelto.
La iniciativa de Cortical Labs coloca a Melbourne y Singapur en una vitrina rara de la computación biológica, con números que ya llaman la atención y una propuesta que intenta reducir el consumo de energía en un sector cada vez más presionado por la escala.
Al mismo tiempo, los límites técnicos siguen siendo grandes. El proyecto amplía la presencia de esta nueva frente tecnológica y cambia la lectura estratégica sobre el futuro de los centros de datos, pero la carrera real apenas está comenzando.
Matrix começou assim….