El laboratorio australiano Cortical Labs ha logrado un avance fascinante en computación biológica: un sistema llamado CL1 que utiliza alrededor de 200.000 neuronas humanas cultivadas en laboratorio ha aprendido a jugar Doom, el clásico videojuego de shooting de 1993.
Este desarrollo, presentado en un video oficial de la compañía a finales de febrero de 2026, ha generado titulares espectaculares que hablan de “cerebros en un chip” o “inteligencia viva jugando videojuegos”. Sin embargo, es importante separar los hechos científicos del sensacionalismo.
El CL1 no es un cerebro consciente ni una mente artificial con emociones. Se trata de un cultivo de neuronas humanas (obtenidas de células madre derivadas de muestras de piel o sangre) crecidas sobre un chip con una matriz de microelectrodos. Estos electrodos envían señales eléctricas al cultivo y leen las respuestas de las neuronas en tiempo real. El juego se traduce a patrones eléctricos: lo que ocurre en la pantalla (movimientos, enemigos, disparos) se convierte en estímulos predecibles o caóticos para las células.
El aprendizaje se basa en el Principio de Energía Libre (Free Energy Principle), una idea teórica propuesta por el neurocientífico Karl Friston. Las neuronas, por naturaleza, intentan reducir la imprevisibilidad de las señales que reciben. Cuando el “personaje” acierta a un enemigo, recibe estímulos estructurados y predecibles (como una “recompensa” biológica); si falla, llega caos eléctrico (ruido aleatorio). Con este mecanismo de retroalimentación simple, el cultivo se adapta en pocos días para mejorar acciones como apuntar y disparar, aunque el rendimiento sigue siendo básico, similar al de un principiante.
Este paso representa una evolución clara respecto al experimento anterior de Cortical Labs en 2022, cuando neuronas jugaron Pong (un juego 2D mucho más simple). Doom implica un entorno 3D con mayor complejidad espacial y decisiones rápidas, lo que requirió una interfaz más sofisticada. Lo verdaderamente innovador no es el videojuego en sí, sino la creación de una API en Python que permite a programadores controlar directamente este “wetware” (tejido biológico) desde código convencional, conectando software con neuronas vivas de forma accesible.
Los investigadores de Cortical Labs, como Alon Loeffler en su video explicativo, destacan que este sistema demuestra la plasticidad de las neuronas y abre puertas a la computación biológica híbrida (silicio + biología). No afirman que haya conciencia: no existe una definición científica consensuada de conciencia, y solo se observan correlatos neuronales, no evidencia de experiencia subjetiva en un cultivo de 200.000 células (comparado con los ~86 mil millones en un cerebro humano completo).
El CL1 se posiciona como una herramienta ética para investigación médica y farmacológica, ya que permite probar efectos de fármacos o estímulos en neuronas humanas reales sin usar animales ni cerebros completos. Además, consume mucha menos energía que sistemas de IA equivalentes y podría tener aplicaciones futuras en modelado de enfermedades neurológicas o computación de bajo consumo.
En resumen, este no es el nacimiento de una superinteligencia biológica ni un paso hacia zombis digitales, sino un ingenioso puente entre biología y tecnología que demuestra cómo las neuronas pueden aprender tareas complejas mediante adaptación natural. Un hito emocionante en la frontera de la neurociencia y la ingeniería. Sin embargo, siempre se podrían construir cultivos más grandes cuya complejidad quizá derive en un atisbo de conciencia.
Fuentes
Friston, K. (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138. https://doi.org/10.1038/nrn2787.
Kagan, B. J., et al. (2022). In vitro neurons learn and exhibit sentience when embodied in a simulated game world. Neuron, 110(23), 1–12..