Células cerebrales vivas entrenadas para realizar tareas de aprendizaje automático

Sábado 04 Abril 2026 - 08:20

Investigadores en Japón han demostrado que neuronas vivas cultivadas en una placa de Petri pueden entrenarse para ejecutar tareas de aprendizaje automático que hasta ahora se consideraban dominio exclusivo de los sistemas artificiales, un hallazgo que podría redefinir los límites entre la biología y la informática.

Un equipo de la Universidad de Tohoku y la Future University Hakodate cultivó neuronas corticales de rata y las integró en un marco de computación por reservorio, método ampliamente utilizado en inteligencia artificial para procesar datos de series temporales. Aplicando una técnica conocida como aprendizaje FORCE (First-Order Reduced and Controlled Error) para optimizar la capa de salida del sistema, las redes neuronales biológicas lograron generar señales temporales complejas, entre ellas ondas sinusoidales, triangulares y cuadradas, así como trayectorias caóticas como el atractor de Lorenz.

El estudio, publicado en las Proceedings of the National Academy of Sciences el 12 de marzo, representa la primera vez que neuronas biológicas demuestran capacidad para realizar aprendizaje supervisado de patrones temporales, una tarea que hasta ahora solo había sido demostrada en redes neuronales artificiales y redes neuronales de impulsos.

En el núcleo del avance se encuentra el uso de dispositivos microfluídicos, pequeños chips con canales diseñados con precisión para guiar el crecimiento neuronal y controlar la forma en que las células se conectan entre sí. Esto permitió a los investigadores construir arquitecturas de red modulares que evitaban una sincronización excesiva entre las neuronas, favoreciendo la dinámica rica y de alta dimensión necesaria para una computación eficaz. La red demostró flexibilidad al aprender y reproducir de manera estable ondas sinusoidales con períodos de entre 4 y 30 segundos dentro del mismo sistema.

"Este trabajo demuestra que las redes neuronales vivas no son solo sistemas biológicamente significativos, sino que también pueden funcionar como nuevos recursos computacionales", afirmó Hideaki Yamamoto, profesor de la Universidad de Tohoku. "Al tender un puente entre las neurociencias y el aprendizaje automático, abrimos el camino a nuevas formas de computación que aprovechan la dinámica intrínseca de los sistemas biológicos."

Los resultados sugieren que las redes de neuronas biológicas podrían servir eventualmente como alternativas o complementos a los modelos de aprendizaje automático existentes. El equipo prevé mejorar la estabilidad de la generación de señales tras el entrenamiento y perfeccionar el algoritmo de aprendizaje FORCE. La plataforma podría además ampliarse como sistema microfisiológico para estudiar respuestas a fármacos y modelar trastornos neurológicos, extendiendo su impacto potencial desde la informática hacia la medicina.

La investigación se apoya en trabajos previos del mismo grupo, publicados en PNAS en 2023, que demostraron que neuronas cultivadas en dispositivos microfluídicos podían clasificar datos de series temporales, como dígitos hablados, mediante computación por reservorio.