Un equipo de Princeton University ha creado un dispositivo 3D cerebral que combina neuronas vivas con electrónica integrada para reconocer patrones simples. El trabajo es relevante no porque acerque una máquina “pensante” en el sentido popular, sino porque permite estudiar con más precisión cómo se organizan y responden redes de células cerebrales fuera del cuerpo.
La investigación, publicada en Nature Electronics, plantea además una pregunta práctica: si el cerebro consume mucha menos energía que los sistemas de IA actuales para tareas comparables, ¿se pueden extraer de ahí ideas útiles para reducir el gasto energético de la computación?
Cómo funciona el dispositivo 3D cerebral de Princeton
El equipo construyó una malla tridimensional de finísimos cables y electrodos sostenida por una capa delgada de epoxi. Sobre esa estructura cultivó decenas de miles de neuronas, formando una red 3D capaz de interactuar con el soporte electrónico.
La diferencia con intentos anteriores está en la escala y en la forma de medir la actividad. En vez de trabajar con cultivos bidimensionales en placas o con agrupaciones celulares observadas desde fuera, este dispositivo 3D cerebral permite registrar y estimular la actividad eléctrica con mucho más detalle. Eso da a los investigadores una visión más fina de cómo se conectan, refuerzan o debilitan las relaciones entre neuronas.
Durante seis meses, el equipo observó cómo evolucionaba la red y probó técnicas para reforzar o debilitar vínculos entre neuronas clave. Después entrenó un algoritmo para identificar patrones repetidos de pulsos eléctricos y comprobar si el sistema podía distinguirlos.
Qué demostró en las pruebas
Según los datos compartidos por los investigadores, el sistema fue sometido a dos patrones distintos en experimentos separados y consiguió diferenciarlos en ambos casos. No se trata de una demostración de inteligencia general ni de una alternativa inmediata a los chips convencionales, pero sí de una prueba de que una red biológica acoplada a electrónica puede realizar tareas de clasificación muy básicas.
Ese resultado tiene valor científico porque ayuda a medir el comportamiento de las neuronas en un entorno controlado y tridimensional. En la práctica, el dispositivo 3D cerebral funciona como una plataforma experimental para estudiar cómo emergen ciertas respuestas de red cuando las células reciben estímulos precisos y repetidos.
El primer autor del trabajo, Kumar Mritunjay, explicó que esta tecnología podría ayudar no solo a entender los secretos computacionales del cerebro, sino también a estudiar y, en el futuro, tratar enfermedades neurológicas. Es una afirmación razonable dentro del marco de investigación básica, aunque todavía muy alejada de cualquier aplicación clínica directa.
La energía como argumento para mirar al cerebro
Más allá de la neurociencia, el proyecto toca un problema muy concreto de la industria tecnológica: el consumo eléctrico de la inteligencia artificial. Tian-Ming Fu, profesor asistente de Ingeniería Eléctrica e Informática e integrante del equipo, señaló que el verdadero cuello de botella de la IA en el futuro cercano es la energía.
Su comparación es clara: el cerebro consume una fracción minúscula de la energía que necesitan hoy muchos sistemas de IA para tareas parecidas. El objetivo de este tipo de investigación no es copiar literalmente al cerebro, algo que no parece viable a corto plazo, sino comprender qué principios de organización y eficiencia podrían trasladarse a nuevas arquitecturas de computación.
Ahí está una de las razones por las que el dispositivo 3D cerebral importa: no solo abre una vía para explorar biología neuronal, también ofrece un banco de pruebas para pensar en hardware menos dependiente del gasto energético actual. Aun así, el salto entre un experimento académico y un sistema útil para la industria sigue siendo enorme.
Qué significa de verdad este avance
Conviene evitar lecturas exageradas. El hecho de que neuronas vivas puedan distinguir patrones dentro de un montaje experimental no significa que estemos cerca de un ordenador biológico apto para uso general. Lo que sí muestra es que la combinación de tejido vivo y electrónica de alta precisión puede producir resultados medibles, repetibles y útiles para la investigación.
En ese sentido, el dispositivo 3D cerebral encaja en una línea de trabajo que busca entender mejor la complejidad del sistema nervioso sin depender únicamente de modelos teóricos o cultivos planos. La ventaja del enfoque de Princeton es que acerca la experimentación a un entorno tridimensional más parecido al del tejido real.
Si el proyecto avanza, podría ayudar a responder preguntas sobre plasticidad neuronal, adaptación de redes y respuestas a estímulos. También podría ofrecer pistas para desarrollar sistemas de computación inspirados en la biología, pero la distancia entre la investigación básica y un producto final sigue siendo amplia y exige prudencia.
Por ahora, el valor del trabajo está en demostrar que un dispositivo 3D cerebral puede sostener redes vivas, registrar su actividad con precisión y ejecutar tareas simples de clasificación. Es una base modesta, pero relevante, para una línea de investigación que mezcla neurociencia, electrónica y eficiencia computacional sin prometer más de lo que hoy puede ofrecer.
