La biocomputación. Realidad increíble.

Dirección, edición y coordinación equipos internacionales: Loredana Claudia Valean Carpa.

                     Computación Biológica: Evolución, Ventajas y Desafíos Hacia 2030

La computación biológica, representa uno de los frentes más emocionantes de la tecnología en el siglo XXI, entrelazando biología celular, ingeniería de tejidos y ciencia de materiales para erigir sistemas de procesamiento de información vivos y adaptables. [notebookcheck](https://www.notebookcheck.net/CL1-wetware-computer-plays-Doom-as-its-living-brain-cells-form-data-centers-that-sip-power-unlike-Nvidia-GPUs.1246944.0.html) Lejos de la inteligencia artificial convencional basada en silicio, estos sistemas, recurren a neuronas humanas cultivadas en laboratorio, tejidos orgánicos y componentes biohíbridos, logrando ejecutar tareas computacionales con un consumo energético notablemente inferior.

## ¿Qué Es la Biocomputación?

La biocomputación, también conocida como «computación con tejido vivo» o wetware computing, utiliza células biológicas —en particular neuronas humanas— como unidades fundamentales para el procesamiento de información. En contraste con los transistores de silicio que oscilan entre 0 y 1, estos sistemas capitalizan la habilidad inherente de las redes neuronales para el aprendizaje, la adaptación y el procesamiento concurrente de patrones intrincados.

El ejemplo más avanzado hasta 2026, es el sistema CL1 desarrollado por la empresa australiana Cortical Labs. Este integra, cerca de 800.000 neuronas humanas cultivadas sobre un chip de silicio, dotado de electrodos de alta densidad. [notebookcheck](https://www.notebookcheck. net/CL1-wetware-computer-plays-Doom-as-its-living-brain-cells-form-data-centers-that-sip-power-unlike-Nvidia-GPUs. 1246944. 0. html) este cerebro en un chip aprendió tareas básicas. si como jugar Doom usando retroalimentación eléctrica.

! [Componentes principales de la biocomputación Organoides microfluídica xenobots y robótica biohibrida]

## ideas primordiales de la biocomputación

### organoides cerebrales

los organoides estructuras pequeñitas en 3d crecidas de células madre que se parecen a órganos de verdad. Hablando de biocomputación los organoides cerebrales estas bolitas de tejido de 2 a 5 milímetros parecen desarrollo temprano del cerebro. crean capas y hasta actividad eléctrica coordinada.

Esos minicerebros se conectan a parches de electrodos para escuchar y mandar señales. Así el organoide aprende usando la plasticidad. La FDA en abril 2025 sugirió menos pruebas con animales. preferimos organoides y sistemas órgano-en-un-chip para enfermedades y medicinas. ### Microfluídica

La microfluídica tecnología que manipulando volúmenes muy chicos de fluidos (nano litros o picolitros) en conductos chiquitos marcados en chips poliméricos o de vidrio es. En biocomputación, los aparatos microfluídicos ofrecen nutrientes, oxígeno y estímulos de crecimiento a organoides, y al mismo tiempo sacando desechos de metabolismo.

Estos dispositivos permiten crear gradientes químicos exactos para guiar el crecimiento nervioso o simular enfermedades (falta de oxígeno, inflamación) mientras registran la actividad eléctrica. La microfluídica, junto con los electrodos de registro, constituye la base de los sistemas de ‘inteligencia de organoides

Robótica biohibridas

Robótica biohibridas, Es una mezcla de componentes biológicos vivos (músculo, tejido cerebral) con partes construidas (polímeros, metal) para crear robots que se mueven, reaccionan y se ajustan como seres vivos. Por ejemplo, ‘crawlers’ biohíbridos dirigidos mediante optogenética, donde las células musculares modificadas genéticamente se contraen cuando reciben luz de una longitud de onda específica

Estas maquinitas demuestran un potencial inmenso para fines médicos, piénsese en microrobots que floten por el torrente sanguíneo para depositar medicamentos o hacer intervenciones mínimamente invasivas. A diferencia de los robots convencionales, los biohíbridos gozan de la capacidad de curarse parcialmente, su consumo energético es más eficaz y su reacción a estímulos químicos del entorno es ágil.

### Optogenética

La optogenética, esencialmente, es un método que da la potestad de dirigir la acción de neuronas puntuales con tan solo usar luz. Consiste en integrar en las células nerviosas genes de proteínas fotosensibles (como la canal rodopsina), de forma que al incidir sobre ellas un haz láser o una fuente LED del color apropiado, se activen o se inhiban con mucha exactitud.

En el ámbito de la biocomputación, la optogenética se vuelve una herramienta fundamental para «programar» redes neuronales vivas con una precisión tanto espacial como temporal, estimulando pautas de disparo concretas para codificar datos o facilitar el aprendizaje. Esta tecnología es central para establecer nexos de comunicación bidireccionales entre el mundo biológico y el computacional, posibilitando la lectura y escritura de señales en tejidos nerviosos.

### Xenobots y Anthrobots

Los xenobots, unas diminutas máquinas cibernéticas hechas con células de anfibios (Xenopus laevis), exhiben movilidad, coordinación y capacidad de auto-reparación. Algoritmos evolutivos de inteligencia artificial fueron usados para diseñar estos agregados celulares. No tienen cerebro ni sistema nervioso, aún así muestran comportamientos colectivos que emergen. Tales como empujar partículas o formar estructuras que permanecen estables.

Sus sucesores, llamados Anthrobots, se fabrican con células de origen humano (por ejemplo, células de tráquea). Muestran capacidades parecidas, tal es la de moverse sobre superficies. Pueden hasta reparar tejidos que están dañados. Si bien no son computadoras en sí mismas, los xenobots prueban que la biología computa comportamientos intrincados sin circuitos comunes. Inspirando esto, nuevos modelos de computación adaptativa y distribuida.

Cortical Labs y el sistema CL1: el primer biocomputador comercial

Una compañía australiana de Melbourne llamada Cortical Labs crearon el CL1. Este es el primer biocomputador comercial. Usa neuronas humanas vivas para funcionar.

La unidad CL1 lleva un chip de silicio con electrodos. Estos electrodos tienen alta densidad. Sobre el chip crecen cerca de 800.000 neuronas. Estas neuronas provienen de células madre humanas.

Este sistema trae un módulo que da soporte vital. Funciona por microfluídica. El módulo provee nutrientes y oxígeno sin parar. Esto hace que las células sigan vivas por meses. Las neuronas se enlazan a la matriz de electrodos, esto deja que el sistema mande estímulos eléctricos señalados como entrada y de igual manera registre los patrones de actividad neuronal denominados salida.

En exhibiciones públicas, el CL1 ha adquirido la habilidad de jugar versiones simplificadas de Doom y Pong, incrementando su desempeño al practicar mediante mecanismos de plasticidad sináptica, muy parecidos al aprendizaje humano. En agosto de 2026, la Universidad Nacional de Singapur (NUS) develó lo que se considera el primer «centro de datos biológico» del planeta, configurado como un rack con 20 unidades CL1 operando en conjunto.

## Consumo eléctrico y hídrico: biocomputación frente a IA convencional

Una de las razones más potentes para optar por la biocomputación es su increíblemente mejor eficiencia energética. Conforme a datos de Cortical Labs y estudios independientes, cada unidad CL1 usa alrededor de 30 vatios de energía eléctrica cuando funciona de manera normal, eso incluye el sistema de mantenimiento vital. Contrario a esto una NVIDIA H100 SXM una GPU de IA de alto rendimiento como esa llega a consumir unos 700 vatios al máximo y además los centros de datos de IA habituales necesitan refrigeración masiva que eleva mas el consumo total.

### Refrigeración y consumo de agua

Los centros de datos de IA actuales se encuentran ante una elección difícil tienen que consumir una cantidad brutal de agua para refrigeración por evaporación o gastar enormes cantidades de electricidad en sistemas que usan líquido o aire para enfriar. Los últimos datos revelan que:

– Un centro de datos de IA muy grande puede necesitar hasta 5 millones de galones de agua al día su equivalente es 19 millones de litros algo parecido a lo que gasta una ciudad pequeña con mucha gente.
– Se espera que el consumo mundial de agua para enfriar centros de datos se multiplique por tres hacia 2030 por la extensión de la IA.
– En el año 2023 los centros de datos de los Estados Unidos gastaron 17 mil millones de galones tan solo para refrigerar mas 211. Cientos de millones de galones de agua se usan indirectamente solo por la electricidad generación.

Sistemas de biocomputación, sin embargo, el CL1 para ejemplificar Estos funcionan a temperatura corporal (alrededor de 37 °C), lo que elimina la necesidad de mecanismos de refrigeración activa significativos. Está publicado en PMC, NCBI, NLM, NIH. Aunque la mayor parte del consumo de agua está vinculada al medio nutritivo de las células, este medio debe reemplazarse de forma rutinaria, digamos cada un par de días según las observaciones específicas; aun así, se trata de cantidades muy bajas de líquido, apenas unos pocos mililitros por unidad celular.

Tabla comparativa: CL1 vs. GPU tradicional

Las ventajas de la biocomputación son numerosas.

1, Destaca su frugalidad energética extrema. El propio cerebro humano utiliza apenas unos veinte vatios para procesos de pensamiento bastante complejos; los sistemas biológicos reflejan esta eficiencia asombrosa.

2. El aprendizaje adaptativo, que las redes neuronales biológicas poseen una plasticidad innata, permitiendo el aprendizaje no supervisado y la adaptación a entornos cambiantes sin la necesidad de un reentrenamiento oneroso.

3- El procesamiento masivo y en paralelo se da por medio de las neuronas, que gestionan información de manera distribuida y paralela, una cualidad que resulta idónea para la labor de reconocimiento de patrones y la toma de decisiones de inmediato.

4- Respecto a la sostenibilidad ambiental, se observa una dependencia reducida de metales escasos, una disminución considerable en el gasto de agua y electricidad y hasta un potencial para ser parcialmente biodegradable.

5- Podemos vislumbrar nuevos enfoques computacionales; la biocomputación tendrá la capacidad de posibilitar inteligencias artificiales que mas se asemejen a la cognición de los seres vivos, con sus respectivas facultades creativas, intuitivas y de entendimiento contextual.

## Inconvenientes y Desafíos

La viabilidad y el mantenimiento de estos sistemas se presentan como un reto importante.

1- Las células vivas necesitan condiciones asépticas, un aporte ininterrumpido de nutrientes y una supervisión continua; la contaminación o errores en el sistema de soporte vital son capaz de aniquilar el conjunto.

2- Escalabilidad limitada: La cultivación y conexión de millones de neuronas a interfaces de alta densidad devienen un reto técnico costoso, siendo escalar a miles de unidades un desafío monumental como en los centros de datos.

3. Velocidad de procesamiento: Las señales biológicas neuronales mas lentas (milisegundos) contrastan con los impulsos electrónicos en silicio (nanosegundos) limitando la velocidad cruda de computo.

4. Ética y regulación: El uso de neuronas humanas suscita interrogantes éticos sobre consciencia potencial, consentimiento celular y la regulación de sistemas vivientes como «productos».

5. Durabilidad limitada: Las células poseen un ciclo vital finito; si bien se mantienen vivas por meses, requieren reemplazo eventual, al contrario del silicio que funciona años.

6. Especialización de tareas: Los sistemas actuales como CL1 sirven para aprendizaje simple, mas no para computo general de alto rendimiento o entrenamiento de grandes modelos de lenguaje.

## Perspectivas de evolución hacia 2030

Expertos proyectan biocomputación evolucionará varias direcciones clave, década próxima:

Integración híbrida: Sistemas que combinan procesadores silicio con módulos organoides, tareas específicas (reconocimiento patrones, toma decisiones), aprovechando lo mejor ambos mundos.

Organoides más complejos: Organoides cerebrales mayor tamaño madurez, múltiples tipos celulares (neuronas, glía, vasculatura) permitirán computación más sofisticada.

Biofabricación automatizada: Robótica microfluídica avanzadas cultivar mantener miles organoides forma estandarizada, reduciendo costos variabilidad.

Aplicaciones biomédicas: Uso biocomputación modelar enfermedades neurológicas, probar fármacos, desarrollar terapias personalizadas, más que para IA general.

Computación neuromórfica inspirada biología: Chips silicio emulen arquitectura eficiencia redes neuronales biológicas, sin usar células vivas pero aprendiendo de su diseño. Conclusión

La computación biológica es un giro de paradigma impresionante, pasando de máquinas muertas de silicio a sistemas vivientes que aprenden, se ajustan, y usan mucha menos energía que la IA de siempre. Aún en pañales, iniciativas como el CL1 de Cortical Labs señalan que la idea de «cerebros en chips» es, en verdad, realizable.

No obstante, los problemas de ampliación, cuidado, rapidez y ética son enormes. Difícil es que la biocomputación deje fuera a los centros de datos de silicio en los próximos diez años, pero podría hallarse lugares importantes en usos de poca energía, aprendizaje que se adapta solo, y estudios del cuerpo.

El futuro con más chances es mezclado: equipos que juntan lo mejor de la vida (eficiencia, flexibilidad) con lo mejor del silicio (rapidez, alcance), creando así una IA nueva que dure más y se parezca más a como pensamos.