Propuesta de posibles desarrollos diferenciales de vías OI y BI, junto con donde puede existir una serie de espectros cada uno. Crédito: biomateriales celulares (2025). Doi: 10.1016/j.celbio.2025.100156
Los investigadores han demostrado que las células cerebrales aprenden más rápido y llevan a cabo una red compleja de manera más efectiva que el aprendizaje automático al comparar cómo tanto un sistema de inteligencia biológica sintética (SBI) conocido como “Disquías” como los algoritmos RL (aprendizaje de refuerzo) reaccionan a ciertos estímulos.
El estudio, “Plasticidad dinámica de la red y eficiencia de muestra en culturas neuronales biológicas: un estudio comparativo con aprendizaje de refuerzo profundo”, publicado En Cyborg y Bionic Systems, es el primero conocido de su tipo.
La investigación fue dirigida por Cortical Labs, la startup con sede en Melbourne que creó la primera computadora biológica comercial del mundo, la CL1. El CL1, a través del cual se realizó la investigación, fusiona neuronas cultivadas en laboratorio de células madre humanas con silicio duro para crear una forma más avanzada y sostenible de IA, conocida como SBI.
La investigación investigó la compleja dinámica de la red de los sistemas neuronales in vitro utilizando Discoin, que integra culturas neuronales en vivo con matrices de electrodos múltiples de alta densidad en entornos de juego de circuito cerrado en tiempo real.
Al incrustar la actividad de picos en espacios de baja dimensión, el estudio distinguió entre condiciones de “reposo” y “juego”, revelando patrones subyacentes cruciales para el monitoreo y la manipulación en tiempo real.
El análisis destaca los cambios dinámicos en la conectividad durante el juego, subrayando la plasticidad altamente eficiente de estas redes en respuesta a los estímulos. Para explorar si esto fue significativo en un contexto más amplio, los investigadores compararon la eficiencia de aprendizaje de estos sistemas biológicos con algoritmos RL profundos de última generación como DQN, A2C y PPO en una simulación de Pong.
Al hacerlo, los investigadores pudieron introducir una comparación significativa entre los sistemas neuronales biológicos y la RL profunda, concluyendo que cuando las muestras se limitan a un curso de tiempo del mundo real, incluso estas culturas biológicas muy simples superaron los algoritmos RL profundos en diversas características de rendimiento del juego, lo que implica una eficiencia de muestra más alta.
La investigación se realizó junto con el Instituto Turner para la Salud Mental y Mental, Universidad de Monash, Clayton, Australia; Academia de investigación de IITB-Monash, Mumbai, India; y el Wellcome Center for Human Neuroimaging, University College London, Reino Unido.
Brett Kagan, director científico de los laboratorios corticales, comentó: “Si bien se han hecho avances sustanciales en todo el campo de la IA en los últimos años, creemos que la inteligencia real no es artificial. Creemos que la inteligencia real es biológica. En esta investigación, nos propusimos investigar si los sistemas de aprendizaje biológico elemental logran niveles de rendimiento que pueden competir con algoritmos de RL profundos de última generación.
“Los resultados hasta ahora han sido muy alentadores. Comprender cómo la actividad neuronal está vinculada al procesamiento de la información, la inteligencia y, finalmente, el comportamiento es un objetivo central de la investigación de neurociencia: este documento es un paso importante y emocionante en ese viaje.
“Este avance fue un punto de prueba crítico que condujo a la creación eventual del CL1, la primera computadora biológica del mundo, para acceder a estas propiedades. Sin embargo, este es el comienzo del viaje, no al final. A través de una investigación adicional sobre inteligencia bioingenuda (BI) creemos que podemos desbloquear las capacidades que superan con creces cualquier cosa demostrada hasta la fecha”.
Basado en el avance original y el lanzamiento del CL1, Cortical Labs ha lanzado un segundo papel En los biomateriales celulares titulados “Dos caminos divergidos: caminos hacia el aprovechamiento de la inteligencia en los cultivos de células neurales”, proponiendo un enfoque novedoso para generar dispositivos inteligentes llamados inteligencia bioingeniería (BI). A papel La descripción de la plataforma CL1 también se incluyó en la sección “Down to Business” de la bioingeniería de la naturaleza.
El interés en el uso de cultivos de células neurales in vitro incorporadas en los paisajes de información estructurada ha crecido rápidamente. Ya sea para aplicaciones biomédicas de ciencias o procesamiento de información y inteligencia de información, estos sistemas tienen un potencial significativo. Actualmente, los esfuerzos coordinados han establecido el campo de la inteligencia organoide (OI) como una vía.
Sin embargo, específicamente los circuitos neuronales de ingeniería podrían aprovecharse para dar lugar a otra vía, que el documento propone ser inteligencia bioingeniería (BI). El documento de investigación examina las oportunidades y los desafíos predominantes de OI y BI, proponiendo un marco para conceptualizar estos diferentes enfoques utilizando cultivos de células neurales in vitro para el procesamiento de la información y la inteligencia.
Al hacerlo, BI se formaliza como una vía innovadora distinta que puede progresar en paralelo con OI. En última instancia, se propone que, si bien se pueden lograr pasos importantes hacia adelante con cualquiera de las vías, la yuxtaposición de los resultados de cada método maximizará el progreso en la dirección más emocionante, pero éticamente sostenible.
“Nuestro objetivo era ir más allá de las demostraciones anecdóticas de aprendizaje biológico y proporcionar evidencia rigurosa y cuantitativa de que las redes neuronales vidas exhiben una reorganización rápida y adaptativa en respuesta a los estímulos, capacidad que permanecen fuera del alcance incluso para los sistemas de aprendizaje de refuerzo profundo más avanzados”, agregó la habibolia de los laboratorios de Corticales para la habibolá.
“Si bien los agentes artificiales a menudo requieren millones de pasos de entrenamiento para mostrar una mejora, estas culturas neuronales se adaptan mucho más rápido, reorganizando su actividad en respuesta a la retroalimentación.
“Al analizar cómo sus señales eléctricas evolucionaron con el tiempo, encontramos patrones claros de aprendizaje y cambios de conectividad dinámica que reflejan los principios clave de la función cerebral real, lo que demuestra el potencial de los sistemas biológicos como alumnos rápidos y eficientes”.
Moein Khajehadad de Cortical Labs agregó “, al convertir la actividad de pico de alta dimensión en representaciones interpretables y de baja dimensión, pudimos descubrir las plasticidad interna y la reconfiguración de la red patrones que acompañan el aprendizaje en las culturas neuronales biológicas. Estas no fueron solo diferencias estadísticas; fueron reales reales, reorganizaciones funcionales que paralelas en las mejoras en las mejoras de la tarea.
“Lo que hace que este estudio sea realmente innovador es que es el primero en establecer un punto de referencia cara a cara entre los sistemas biológicos sintéticos y las RL profundas bajo restricciones de muestreo equivalentes. Cuando las oportunidades de aprender son limitadas, una condición más cercana a cómo los animales y los humanos realmente aprenden, estos sistemas biológicos no solo se adaptan más rápido, sino que lo hacen más eficientemente y es robuste.
Hideaki Yamamoto, profesor asociado del Instituto de Investigación de Comunicación Eléctrica, Universidad de Tohoku, comentó: “Estos sistemas biológicos sintéticos ciertamente proporcionarán un nuevo enfoque para comprender el sustrato físico de la computación cerebral. Además, pueden abrir una nueva clase de computación, especialmente en las tareas que el cerebro sobresale.
“El CL1 será una plataforma sólida para poner esta visión en acción. Cuando conocí al equipo hace tres años, acababan de comenzar a discutir la idea de construir su propio sistema MEA. Que han desarrollado el CL1 y lo llevaron a la comercialización en tan poco tiempo es profundamente impresionante”.
Más información: Moein Khajehnejad et al, plasticidad de red dinámica y eficiencia de muestra en cultivos neuronales biológicos: un estudio comparativo con aprendizaje de refuerzo profundo, cyborg y sistemas biónicos (2025). Doi: 10.34133/cbsystems.0336
Brett J. Kagan, Dos caminos divergidos: caminos hacia el aprovechamiento de la inteligencia en cultivos de células neurales, biomateriales celulares (2025). Doi: 10.1016/j.celbio.2025.100156
Brett J. Kagan, El CL1 como una tecnología de plataforma para aprovechar las funciones del sistema neural biológico, la naturaleza revisa la bioingeniería (2025). Dos: 10.1038/S44222-025-00340-3
Proporcionado por los laboratorios corticales
Cita: las células cerebrales aprenden más rápido que el aprendizaje automático, revela la investigación (2025, 12 de agosto) recuperada el 12 de agosto de 2025 de https://techxplore.com/news/2025-08-brain-cells-faster-machine-reveals.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
