Computadores viventes forxan unha "mente colmea" e traballan xuntos para superar á IA

Quince ordenadores biolóxicos conectados entre si empezaron a comportarse como unha pequena "mente colmea". O sistema HIVE, presentado pola firma australiana Cortical Labs na primeira Conferencia Internacional sobre Intelixencia de Organoides, celebrada en Wáshington os días 26 e 27 de outubro, reúne unidades de computación construídas con neuronas humanas cultivadas en laboratorio. En probas iniciais, a cooperación mellorou o rendemento fronte a unha unidade individual e a un algoritmo de intelixencia artificial.

Tecido neuronal e silicio

A base de HIVE é o CL1, un dispositivo que combina tecido neuronal vivo e hardware de silicio. As neuronas crecen sobre un chip e comunícanse con el mediante impulsos eléctricos: reciben estímulos que representan información da contorna e as súas respostas tradúcense en accións dentro dunha simulación.

Non é un cerebro completo, senón un módulo de tecido neuronal integrado con electrónica. Cortical Labs presenta o equipo como un computador biolóxico programable e sostén que este enfoque podería procesar información con menos enerxía e datos que os sistemas convencionais, unha vantaxe que aínda depende de cada tarefa e das condicións experimentais.

Quince ordenadores "vivos" traballando en rede

HIVE interconecta ata 15 unidades CL1 para que traballen como unha rede. Segundo a compañía, as máquinas non se limitan a sumar resultados: parecen repartirse partes dun problema e atopar unha estratexia conxunta. Esa distribución funcional habería xurdido durante as probas, sen que os investigadores programasen expresamente ás neuronas para especializarse. A idea recorda aos sistemas naturais nos que múltiples elementos cooperan para alcanzar unha meta común.

Nunha proba de recoñecemento de símbolos, conectar sete ordenadores biolóxicos elevou a precisión de ao redor do 80 % ao 99 %, segundo os datos difundidos pola empresa. O resultado suxire que varias culturas neuronais poden compensar erros ou variacións dunha soa unidade. Non implica que as neuronas desenvolvesen unha comprensión humana dos símbolos: mide a súa resposta nunha tarefa delimitada, segundo informa New Atlas.

Vantaxes do novo enfoque

A comparación máis rechamante chegou cunha proba de navegación virtual. O sistema debía guiar a un personaxe por unha cuadrícula ata un obxectivo. O algoritmo de aprendizaxe por reforzo Deep Q Network logrou ao redor do 32 % da puntuación máxima, fronte ao 40 % da mellor unidade CL1 individual.

Ao combinar varias unidades, o resultado subiu aproximadamente ao 70 %; con grupos especializados que se repartían a tarefa, alcanzou preto do 80 %, sempre segundo Cortical Labs. Estas cifras non demostran que a tecnoloxía supere á IA en xeral: a comparación limítase a un algoritmo e unha contorna concretos.

A colaboración tamén podería reducir unha debilidade da computación biolóxica: as células vivas non responden sempre igual. A súa actividade varía entre días e cultivos. Se varias unidades comparten o traballo, unha pode compensar o rendemento irregular doutra e ata manter o sistema en marcha se unha cultura deixa de responder. A compañía presenta esa estabilidade como unha vantaxe de HIVE, aínda que queda por comprobala con máis probas e tarefas diversas.

Aplicacións e límites éticos

A computación con neuronas non pretende substituír por agora ao computador doméstico nin aos grandes modelos generativos. O seu interese reside en explorar outra forma de procesar información, aproveitar a adaptabilidad biolóxica e quizais reducir o consumo enerxético de certas operacións. Cortical Labs apunta a posibles aplicacións en investigación biomédica e no estudo da aprendizaxe neuronal.

O avance abre preguntas científicas e éticas: como se comunican estas redes, como medir a súa fiabilidade e que límites deben aplicarse á experimentación con neuronas humanas. A compañía recoñece que necesita comprender mellor como circula a información entre as unidades. Por agora, HIVE non demostra que unha "mente colmea" sexa máis intelixente que a IA en termos xerais. Si apunta a que, en certas tarefas, conectar sistemas neuronais vivos pode ofrecer resultados máis precisos e consistentes que ao deixalos traballar por separado.