NOOSFERA
BIOHÍBRIDA
ORDENADORES VIVOS Y COMPUTACIÓN BIOHÍBRIDA
De los organoides neuronales a los sistemas colaborativos humano-IA-biología.
Arquitectura
experimental, inteligencia colectiva, gemelos digitales y aplicaciones
marítimas. Horizonte 2026–2035.
Salvador Lechuga Lombos + IA
Contenidos
propuestos:
1. Estado internacional de la
biocomputación.
2. Cortical Labs CL1 y otras
plataformas.
3. Arquitecturas neuronales
biohíbridas.
4. Integración con UEDTE-CUATRO
OJOS.
5. Conexión con la NOOSFERA
BIOHÍBRIDA.
6. Aplicaciones en robótica y
exploración oceánica.
7. Experimentación, simulación
y validación.
8. Bioética, gobernanza y
regulación.
9. Hoja de ruta 2026–2035.
10. Consorcio
científico-industrial y matriz de requisitos verificables.
Durante décadas hemos intentado construir máquinas que piensen como
nosotros. Ahora estamos investigando cómo utilizar directamente determinadas
propiedades de los sistemas vivos para construir máquinas diferentes.
La cuestión ya no
es solamente cuánto puede calcular un ordenador, sino qué nuevas capacidades
pueden surgir cuando cooperan la inteligencia humana, la inteligencia
artificial y los sistemas biológicos.
Y esto conecta
directamente con nuestra idea de «Cuatro ojos ven más que dos»: podríamos estar
avanzando hacia una arquitectura de inteligencia colectiva en la que los
componentes biológicos y artificiales aporten capacidades complementarias
En relación a NOOSFERA BIOHÍBRIDA 02 — ORDENADORES VIVOS Y COMPUTACIÓN BIOHÍBRIDA (2026–2035) como documento técnico-científico complementario al documento sobre organoides neuronales y UEDTE-CUATRO OJOS, la orientación será institucional y académica, con especial atención a:
- Estado
real de la tecnología y sus limitaciones.
- Arquitectura
de computación biohíbrida.
- Integración
de neuronas vivas, IA y gemelos digitales.
- Aplicaciones
científicas y marítimas.
- Experimentación
y validación.
- Bioética
y gobernanza.
- Hoja de
ruta 2026–2035.
- Matriz de requisitos verificables y criterios de aceptación.
Objetivo: presentar
una propuesta de investigación rigurosa, publicable en Academia.edu y
susceptible de evolucionar hacia un programa experimental de colaboración
científica e industrial de Aprocean.
NOOSFERA BIOHÍBRIDA: Ordenadores vivos y computación
biohíbrida, 2026–2035.
La premisa central será: integrar inteligencia humana, artificial y biológica en un entorno experimental común, sin confundir procesamiento neuronal con conciencia.
NOOSFERA BIOHÍBRIDA 2026–2035
ORDENADORES
VIVOS Y COMPUTACIÓN BIOHÍBRIDA
De los
organoides neuronales a los sistemas colaborativos humano–IA–biología
Fundamentos científicos, arquitectura experimental, inteligencia colectiva y aplicaciones en investigación oceánica. Horizonte 2026–2035.
Entidad
promotora: Asociación para la Promoción de los Océanos (APROCEAN).
Programa de
referencia: NOOSFERA BIOHÍBRIDA – UEDTE-CUATRO OJOS.
Naturaleza: Propuesta conceptual y
técnico-científica de investigación interdisciplinar.
Horizonte: 2026–2035.
Estado del
documento: Propuesta de investigación y desarrollo. No constituye un proyecto
experimental financiado ni acredita capacidades operativas ya disponibles.
RESUMEN
EJECUTIVO
La computación biohíbrida representa una nueva frontera de la
investigación tecnológica: la integración de sistemas informáticos
convencionales con redes neuronales biológicas vivas, interfaces electrónicas,
inteligencia artificial y entornos de simulación.
Los avances experimentales de los últimos años han demostrado que
determinadas redes neuronales cultivadas in vitro pueden establecer
interacciones bidireccionales con sistemas digitales, modificar sus patrones de
actividad y mostrar aprendizaje en tareas experimentales.
La investigación DishBrain, publicada en Neuron en 2022,
demostró la interacción de cultivos neuronales humanos y de ratón con una
simulación del videojuego Pong. Posteriormente, el desarrollo de plataformas
comerciales como CL1, de Cortical Labs, ha abierto nuevas posibilidades para
investigar la computación biológica.
Este documento propone estudiar cómo incorporar estos avances a una
arquitectura experimental más amplia: NOOSFERA BIOHÍBRIDA,
concebida como un entorno de cooperación entre inteligencia humana,
inteligencia artificial y sistemas biológicos.
La iniciativa se articula mediante seis líneas:
1. Investigación de plataformas
de computación neuronal biológica.
2. Integración de interfaces
bioeléctricas y sistemas electrónicos.
3. Desarrollo de algoritmos de
inteligencia artificial para interpretar respuestas neuronales.
4. Creación de gemelos
digitales de sistemas biohíbridos.
5. Incorporación de estas
tecnologías a UEDTE-CUATRO OJOS.
6. Investigación de
aplicaciones potenciales en oceanografía, bioacústica y robótica marina.
El objetivo no consiste en sustituir los ordenadores convencionales,
sino en estudiar si determinadas propiedades de las redes neuronales vivas
pueden complementar las capacidades de la computación electrónica.
Hipótesis central: la cooperación entre inteligencia biológica,
artificial y humana puede generar arquitecturas de procesamiento y aprendizaje
diferentes de las que proporcionan, por separado, los sistemas actuales.
Esta hipótesis deberá someterse a experimentación, comparación
cuantitativa y evaluación independiente.
ÍNDICE GENERAL
1. Introducción y
justificación.
2. Estado internacional de la
biocomputación.
3. Fundamentos científicos.
4. Arquitectura general
NOOSFERA BIOHÍBRIDA.
5. Plataforma
UEDTE-BIOCOMPUTING.
6. Inteligencia colectiva y
cooperación humano–IA–biología.
7. Aplicaciones científicas y
marítimas.
8. Arquitectura del gemelo
digital.
9. Metodología experimental y
validación.
10. Ética, bioseguridad y
gobernanza.
11. Hoja de ruta 2026–2035.
12. Modelo de colaboración
científica e industrial.
13. Matriz de requisitos
verificables.
14. Indicadores de rendimiento y
criterios de aceptación.
15. Conclusiones.
16. Bibliografía científica.
1. INTRODUCCIÓN Y JUSTIFICACIÓN
Durante décadas, el desarrollo informático ha seguido principalmente
una trayectoria basada en la miniaturización de componentes electrónicos, el
aumento de la capacidad de procesamiento y la creación de algoritmos capaces de
reproducir determinadas funciones cognitivas.
La inteligencia artificial ha acelerado esta evolución.
Sin embargo, los sistemas biológicos poseen propiedades que merecen una
investigación independiente: plasticidad neuronal, adaptación a estímulos,
reorganización de conexiones y procesamiento distribuido.
La posibilidad de integrar estas propiedades con dispositivos
electrónicos constituye el fundamento de la computación biohíbrida.
No se trata de afirmar que una red neuronal cultivada sea equivalente a
un cerebro humano. Se trata de investigar qué funciones limitadas pueden
desarrollar estas redes cuando se integran en sistemas experimentales
controlados.
1.1. Una nueva frontera tecnológica
La investigación se
encuentra en la convergencia de cinco disciplinas:
·
Neurociencia y biología celular.
·
Bioingeniería y microelectrónica.
·
Inteligencia artificial.
·
Computación avanzada.
·
Sistemas de simulación y gemelos digitales.
1.2. Justificación estratégica
La aparición de
ordenadores biológicos plantea preguntas importantes:
·
¿Pueden las redes neuronales vivas complementar determinados procesos
computacionales?
·
¿Qué ventajas y limitaciones presentan frente a las redes neuronales
artificiales?
·
¿Cómo pueden integrarse en arquitecturas híbridas?
·
¿Es posible estudiar sus respuestas mediante gemelos digitales?
·
¿Qué aplicaciones podrían resultar relevantes para la investigación
marina?
NOOSFERA BIOHÍBRIDA pretende proporcionar un marco para investigar estas preguntas sin anticipar resultados que todavía no están demostrados.
2.
ESTADO INTERNACIONAL DE LA BIOCOMPUTACIÓN
2.1.
DishBrain: el precedente experimental
Lab-Grown
Brain Cells Playing Video Games With No Hands
En diciembre de 2022, investigadores encabezados por Brett Kagan
publicaron en Neuron el trabajo:
In vitro neurons learn and exhibit sentience when embodied in a
simulated game-world.
El experimento integró redes neuronales humanas y de ratón en una
matriz de microelectrodos.
El sistema proporcionaba información eléctrica sobre el entorno de Pong
y registraba las respuestas neuronales que influían en el desarrollo del juego.
Los autores describieron mejoras de rendimiento y cambios en la
actividad neuronal asociados a la retroalimentación estructurada.
Su importancia reside en haber demostrado una interacción experimental
entre tejido neuronal vivo y un entorno informático cerrado.
La interpretación de estos resultados debe mantenerse dentro de sus
límites experimentales: no demuestran inteligencia general ni conciencia.
2.2. Cortical Labs CL1
This
$35,000 computer made of living human neurons can run Doom | TechSpot
El dispositivo CL1 representa un paso hacia la disponibilidad de
plataformas comerciales de computación neuronal.
Su arquitectura combina:
·
Cultivos neuronales vivos.
·
Soporte electrónico de silicio.
·
Interfaz de estimulación eléctrica.
·
Registro de actividad neuronal.
·
Entorno informático de interacción.
·
Sistemas de mantenimiento del cultivo.
La empresa también ofrece Cortical Cloud, una plataforma para
desarrollar experimentos mediante acceso remoto.
2.3. Organoid Intelligence
La investigación sobre Organoid Intelligence (OI) estudia el
potencial de los organoides cerebrales como sistemas biológicos para investigar
aprendizaje, memoria y procesamiento de información.
El trabajo de referencia de Hartung, Morales Pantoja y Smirnova analiza
sus posibilidades científicas y sus implicaciones éticas, jurídicas y sociales.
|
Tecnología |
Característica |
|
|
IA convencional |
Procesamiento electrónico y algoritmos |
Comercial y consolidada |
|
Redes neuronales
cultivadas |
Actividad
neuronal in vitro |
Experimental |
|
DishBrain |
Interacción
neuronal con entorno digital |
Demostración
experimental |
|
CL1 |
Plataforma
comercial bioinformática |
Comercialización
inicial |
|
Organoid
Intelligence |
Investigación de
organoides y computación |
Investigación
emergente |
|
NOOSFERA
BIOHÍBRIDA |
Integración de
sistemas humanos, artificiales y biológicos |
Propuesta de
investigación |
La conclusión es clara: existe una base científica suficiente para justificar
un programa de investigación, pero todavía no para afirmar que la
biocomputación pueda sustituir a los sistemas informáticos convencionales.
3. FUNDAMENTOS CIENTÍFICOS
3.1. Redes neuronales biológicas
Las neuronas son células especializadas capaces de recibir, integrar y
transmitir señales mediante mecanismos electroquímicos.
Cuando se cultivan en condiciones experimentales adecuadas, pueden
desarrollar conexiones y formar redes de actividad.
Estas redes presentan propiedades de interés:
·
Excitabilidad eléctrica.
·
Conectividad neuronal.
·
Plasticidad sináptica.
·
Respuestas dependientes de estímulos.
·
Modificación de patrones de actividad.
·
Adaptación a determinadas condiciones experimentales.
La investigación deberá diferenciar entre actividad neuronal,
aprendizaje experimental, memoria funcional y capacidades cognitivas complejas.
3.2. Organoides neuronales
Los organoides cerebrales son estructuras tridimensionales obtenidas
mediante técnicas de cultivo celular que reproducen parcialmente determinadas
características del desarrollo y organización del tejido cerebral.
Su utilización permite investigar:
·
Desarrollo neuronal.
·
Organización celular.
·
Enfermedades neurológicas.
·
Respuestas a estímulos.
·
Actividad de redes neuronales.
·
Posibilidades futuras de procesamiento biohíbrido.
No son cerebros humanos en miniatura en sentido funcional: presentan
limitaciones importantes de organización, vascularización, maduración y
conectividad.
3.3. Interfaz neuronal-electrónica
La interfaz constituye uno de los elementos esenciales de la
arquitectura.
Su función es establecer una comunicación bidireccional:
1. Transformar información
digital en patrones de estimulación eléctrica.
2. Transmitir dichos patrones
al cultivo neuronal.
3. Registrar las respuestas
eléctricas.
4. Convertirlas en información
digital.
5. Analizar su evolución
mediante algoritmos.
La matriz de microelectrodos constituye una tecnología fundamental para
realizar estas operaciones.3.4.
Diferencias entre computación artificial y biológica
|
Característica |
Computación
electrónica |
Computación
biológica |
|
Soporte |
Silicio y
electrónica |
Tejido neuronal
vivo |
|
Operación |
Circuitos y
algoritmos |
Actividad
electroquímica |
|
Aprendizaje |
Modelos y
parámetros |
Plasticidad y
actividad neuronal |
|
Estabilidad |
Alta, según el
sistema |
Dependiente del
cultivo |
|
Reproducibilidad |
Generalmente
elevada |
Variabilidad
biológica |
|
Mantenimiento |
Energía y
refrigeración según diseño |
Energía y
condiciones biológicas específicas |
|
Escalabilidad |
Infraestructura
industrial |
Limitada por
complejidad biológica |
|
Aplicación |
Amplísima |
Todavía
experimental |
La comparación energética será una cuestión central, pero no deberá
utilizarse como argumento comercial anticipado. Es necesario contabilizar
también incubación, control ambiental, electrónica, mantenimiento y
procesamiento externo.
4.
ARQUITECTURA GENERAL NOOSFERA BIOHÍBRIDA
Se propone una
arquitectura organizada en cuatro niveles de inteligencia y un sistema
transversal de coordinación.
4.1. Nivel
humano — H-INTELLIGENCE
Participación de
investigadores, ingenieros, operadores y responsables de decisión.
Funciones:
·
Formulación de hipótesis.
·
Definición de objetivos.
·
Interpretación de resultados.
·
Supervisión científica.
·
Validación de decisiones.
4.2. Nivel
artificial — AI-INTELLIGENCE
Sistemas
convencionales de inteligencia artificial.
Funciones:
·
Análisis de grandes volúmenes de datos.
·
Reconocimiento de patrones.
·
Modelización matemática.
·
Simulación.
·
Comparación de resultados.
·
Detección de anomalías.
4.3. Nivel
biológico — BIO-INTELLIGENCE
Redes neuronales y,
en etapas posteriores, organoides adecuados para investigación.
Funciones
experimentales:
·
Recepción de estímulos.
·
Registro de respuestas.
·
Estudio de plasticidad.
·
Análisis de adaptación.
4.4. Nivel
digital — DIGITAL INTELLIGENCE ENVIRONMENT
Entorno UEDTE para
integrar datos, modelos, simulaciones y experimentos.
Funciones:
·
Representación digital de los sistemas físicos.
·
Registro histórico de experimentos.
·
Comparación entre modelos.
·
Reproducción de escenarios.
·
Evaluación de resultados.
4.5.
Coordinación central
La coordinación se
realizaría mediante un sistema de gestión experimental con trazabilidad
completa.
NOOSFERA
BIOHÍBRIDA — Arquitectura conceptual
H-INTELLIGENCE
Investigadores y operadores
AI-INTELLIGENCE
IA y algoritmos
BIO-INTELLIGENCE
Redes neuronales vivas
UEDTE
Gemelos digitales
NOOSPHERE
COORDINATION SYSTEM
Gestión experimental
· intercambio de información · trazabilidad · evaluación humana
RESULTADO:
INTELIGENCIA COOPERATIVA BIOHÍBRIDA
5.
PLATAFORMA UEDTE-BIOCOMPUTING
Se propone crear un
nuevo módulo dentro del Universal Experimental Digital Twin Environment.
Nuevo módulo propuesto
UEDTE-BIOCOMPUTING
Entorno
Experimental de Computación Biohíbrida.
Su misión será
facilitar la investigación, simulación y evaluación de sistemas que combinen
redes neuronales biológicas y tecnologías informáticas.
5.1.
Subsistemas
|
Subsistema |
Denominación |
Función |
|
01 |
BIO-CORE |
Gestión de la
plataforma biológica |
|
02 |
NEURO-INTERFACE |
Interfaz
neuronal-electrónica |
|
03 |
BIO-DATA |
Adquisición y
almacenamiento de señales |
|
04 |
BIO-AI |
Interpretación
mediante IA |
|
05 |
BIO-TWIN |
Gemelo digital |
|
06 |
BIO-SIM |
Simulación
experimental |
|
07 |
BIO-ETHICS |
Supervisión ética |
|
08 |
BIO-SECURITY |
Seguridad y
protección de datos |
5.2. Flujo
funcional
01
Entrada de
información
Datos, señales y
estímulos digitales
02
Interfaz
neuronal
Conversión y
transmisión de estímulos
03
Procesamiento
biológico
Actividad y
respuesta neuronal
04
Registro
electrónico
Captura de señales
y metadatos
05
Análisis
mediante IA
Clasificación y
evaluación
06
Gemelo
digital
Comparación y
simulación
07
Evaluación
humana
Interpretación y
validación científica
5.3.
Principios de diseño
La plataforma
deberá respetar siete principios:
1. Modularidad.
2. Interoperabilidad.
3. Reproducibilidad.
4. Trazabilidad.
5. Supervisión humana.
6. Protección biológica y
ética.
7. Comparación permanente con
sistemas convencionales.
5.4.
Relación con SF-TECH ATLAS
El módulo
BIOCOMPUTING se integraría también con SF-TECH ATLAS, permitiendo documentar:
·
Arquitecturas electrónicas.
·
Interfaces bioeléctricas.
·
Modelos neuronales.
·
Sistemas de adquisición.
·
Gemelos digitales.
·
Evolución de los diseños experimentales.
De esta manera,
UEDTE-CUATRO OJOS podría convertirse en un entorno de conocimiento compartido
donde diferentes equipos científicos comparasen, documentasen y mejorasen
diseños de sistemas biohíbridos.
6.
INTELIGENCIA COLECTIVA Y COOPERACIÓN HUMANO–IA–BIOLOGÍA
Esta sección
conecta directamente con el concepto de Noosfera que venimos desarrollando.
La inteligencia
colectiva no se plantea como una única mente centralizada, sino como una red de
agentes y sistemas diferentes que intercambian información y contribuyen a
resolver problemas.
6.1.
Modelo de cooperación
|
Agente |
Aportación |
|
Personas |
Creatividad,
conocimiento y responsabilidad |
|
IA |
Análisis,
búsqueda y simulación |
|
Redes neuronales
biológicas |
Procesamiento
experimental y plasticidad |
|
Gemelos digitales |
Representación y
comparación |
|
Redes científicas |
Validación y
conocimiento colectivo |
6.2. La
hipótesis de la noosfera biohíbrida
Se plantea investigar si la interconexión de estos sistemas puede
generar capacidades colectivas que no aparezcan en cada componente considerado
aisladamente.
Esta hipótesis no implica que la red adquiera conciencia ni que sus
componentes compartan una experiencia subjetiva.
Su validación exige demostrar mejoras medibles en tareas concretas
frente a arquitecturas de referencia.
6.3.
Integración con CUATRO OJOS
La filosofía de
CUATRO OJOS puede proporcionar un modelo de colaboración:
·
Un investigador propone una arquitectura.
·
Otro equipo desarrolla una alternativa.
·
La IA analiza y compara los diseños.
·
El sistema biohíbrido participa en experimentos delimitados.
·
El gemelo digital registra los resultados.
·
La comunidad científica evalúa las conclusiones.
El conocimiento no pertenece a una única máquina, sino que se construye mediante cooperación, documentación y contraste experimental.
7. APLICACIONES CIENTÍFICAS Y MARÍTIMAS
Esta es una de las
partes de mayor interés para APROCEAN.
La computación biohíbrida podría abrir líneas de investigación
relacionadas con el análisis de señales oceánicas, la interpretación de
información ambiental y el desarrollo de nuevas arquitecturas adaptativas.
Es importante establecer una distinción: inicialmente se trataría de
investigación de laboratorio y procesamiento experimental de datos marinos, no
de instalar organoides neuronales en submarinos, buques o vehículos autónomos.
7.1. Bioacústica marina
La contaminación
acústica submarina constituye un problema relevante para los ecosistemas
marinos.
Se propone
investigar:
·
Clasificación de señales acústicas.
·
Identificación de patrones de vocalización.
·
Detección de anomalías.
·
Diferenciación entre ruido antropogénico y señales biológicas.
·
Evaluación comparativa de sistemas de reconocimiento.
Proyecto
piloto BIO-ACOUSTIC OCEAN
Comparar tres
arquitecturas:
1. Algoritmos convencionales.
2. Inteligencia artificial
neuronal artificial.
3. Sistemas biohíbridos
experimentales.
7.2. Oceanografía y biodiversidad
La observación del
medio marino genera grandes volúmenes de información:
·
Imágenes microscópicas.
·
Datos de temperatura y salinidad.
·
Señales acústicas.
·
Registros de corrientes.
·
Información genética.
·
Imágenes submarinas.
Podría estudiarse
la utilización de arquitecturas biohíbridas para determinadas tareas de
clasificación y reconocimiento de patrones complejos.
7.3. Robótica submarina
La aplicación más
interesante a largo plazo sería la investigación de nuevos sistemas adaptativos
para robótica submarina.
Posibles líneas:
|
Área |
Investigación |
|
|
|
|
Percepción |
Integración de
señales multisensoriales |
|
Adaptación |
Comparación de
respuestas ante cambios ambientales |
|
Autonomía |
Algoritmos
híbridos de toma de decisiones |
|
Energía |
Evaluación del
consumo computacional global |
7.4.
Seguridad y vigilancia marítima
Existe también una
posible línea de investigación dual civil-defensa, limitada a la evaluación
científica de algoritmos para:
·
Detección de anomalías en señales submarinas.
·
Reconocimiento de patrones ambientales.
·
Procesamiento de información multisensorial.
·
Identificación de comportamientos anómalos en datos de navegación.
·
Mejora de sistemas de apoyo a la decisión.
Cualquier
aplicación de seguridad deberá mantener la supervisión humana, la trazabilidad
y los controles de seguridad correspondientes.
7.5. Proyecto demostrador: BIO-OCEAN
BIO-OCEAN
2030
Demostrador de investigación propuesto
Sistema experimental de procesamiento biohíbrido de información oceánica.
Objetivo: estudiar si una plataforma
biohíbrida puede contribuir a la interpretación de determinados patrones de
datos oceánicos.
Datos de
entrada:
·
Registros hidroacústicos.
·
Imágenes de biodiversidad.
·
Datos oceanográficos.
·
Señales de sensores submarinos.
Procesamiento:
·
IA convencional.
·
Plataforma neuronal experimental.
·
Comparación de resultados.
·
Gemelo digital.
Resultado
esperado:
un informe científico comparativo sobre rendimiento, reproducibilidad, consumo
y limitaciones.
8.
ARQUITECTURA DEL GEMELO DIGITAL BIOHÍBRIDO
El gemelo digital
será uno de los elementos fundamentales de UEDTE-BIOCOMPUTING.
No se limitará a
representar visualmente un cultivo neuronal: deberá constituir un modelo
informático vinculado a datos experimentales reales.
8.1. Componentes
Modelo de
referencia del sistema experimental.
BIO-TWIN SIGNAL
Representación de
las señales eléctricas registradas.
BIO-TWIN
CONNECTIVITY
Modelo de
conectividad funcional estimada.
BIO-TWIN
PERFORMANCE
Evaluación de
resultados y estabilidad experimental.
BIO-TWIN
HISTORY
Registro histórico
de experimentos y modificaciones.
8.2. Funciones del gemelo digital
1. Reproducir las condiciones
experimentales.
2. Comparar experimentos
sucesivos.
3. Identificar variaciones de
actividad.
4. Contrastar modelos
biológicos y computacionales.
5. Evaluar la reproducibilidad.
6. Documentar los resultados.
7. Facilitar la colaboración
entre laboratorios.
8.3.
Fusión de gemelos
En conexión con
nuestra propuesta CUATRO OJOS, se propone estudiar la posibilidad de combinar:
·
Gemelo de la plataforma biológica.
·
Gemelo de la interfaz electrónica.
·
Gemelo del entorno de simulación.
·
Gemelo del sistema de inteligencia artificial.
·
Gemelo del problema científico que se pretende resolver.
La integración
permitiría estudiar el comportamiento del sistema completo, no solamente el de
sus componentes aislados.
9. METODOLOGÍA EXPERIMENTAL Y VALIDACIÓN
Esta sección
establece cómo transformar la propuesta conceptual en un programa científico
verificable.
9.1.
Hipótesis de investigación
H1. Las redes neuronales
biológicas cultivadas pueden interactuar de forma reproducible con entornos
informáticos mediante interfaces electrofisiológicas.
H2. La integración de modelos
artificiales y sistemas biológicos puede ofrecer resultados diferentes de los
obtenidos mediante sistemas convencionales.
H3. Los gemelos digitales
pueden mejorar la documentación, comparación y reproducibilidad de los
experimentos biohíbridos.
H4. Algunas tareas de
clasificación de señales ambientales podrían beneficiarse de la investigación
de arquitecturas biohíbridas.
H5. La cooperación entre
investigadores, IA y plataformas biológicas puede mejorar la exploración de
hipótesis científicas.
Estas hipótesis no
se consideran demostradas por el presente documento.
9.2.
Diseño de experimentación
Se propone una
metodología comparativa en cuatro grupos:
|
Grupo |
Sistema |
Finalidad |
|
A |
Algoritmo
convencional |
Referencia
inicial |
|
B |
Red neuronal
artificial |
Comparación con
IA |
|
C |
Plataforma
neuronal biológica |
Evaluación
biológica |
|
D |
Sistema
biohíbrido completo |
Evaluación
integrada |
Los experimentos
deberán utilizar datos de entrada equivalentes, condiciones documentadas y
criterios de evaluación previamente establecidos.
9.3.
Variables de evaluación
·
Exactitud de clasificación.
·
Sensibilidad y especificidad.
·
Tiempo de respuesta.
·
Estabilidad temporal.
·
Reproducibilidad.
·
Consumo energético total.
·
Coste por experimento.
·
Variabilidad entre cultivos.
·
Disponibilidad y continuidad de funcionamiento.
9.4. Fases
experimentales
1. Fase A — Simulación previa
Desarrollo de modelos informáticos y definición de los experimentos sin
utilizar tejido neuronal.
2. Fase B — Plataforma
biológica
Acceso a una plataforma experimental autorizada y caracterización de
sus capacidades.
3. Fase C — Integración
biohíbrida
Conexión controlada de la plataforma biológica con algoritmos, sensores
y sistemas de registro.
4. Fase D — Gemelo digital
Integración de datos experimentales y modelos digitales.
5. Fase E — Aplicación
demostradora
Evaluación de una tarea científica concreta, preferentemente de
análisis de señales oceánicas.
6. Fase F — Evaluación
independiente
Repetición, auditoría y publicación de los resultados.
9.5.
Criterios de validez científica
Ninguna mejora se
considerará demostrada si no se cumplen simultáneamente:
·
Comparación con sistemas de referencia.
·
Repetición experimental.
·
Registro de resultados negativos.
·
Control de variables.
·
Evaluación estadística.
·
Documentación de incertidumbres.
·
Revisión científica independiente.
10. ÉTICA, BIOSEGURIDAD Y GOBERNANZA
El desarrollo de sistemas
biohíbridos requiere un marco ético específico.
No basta con
considerar su viabilidad tecnológica. También deben analizarse la procedencia
de las células, los derechos de los donantes, la protección de los datos y las
posibles implicaciones de sistemas neuronales de creciente complejidad.
La literatura
científica ya identifica estas cuestiones como elementos centrales de la
investigación sobre organoides e inteligencia organoide.
10.1.
Principios fundamentales
1. Consentimiento informado y
trazabilidad de las muestras.
2. Protección de la privacidad
y los datos asociados.
3. Supervisión de los
protocolos experimentales.
4. Evaluación de riesgos
biológicos.
5. Prevención de usos no
autorizados.
6. Transparencia científica.
7. Evaluación ética continuada.
10.2.
Comité de gobernanza
Se propone crear el
Comité de Ética y Gobernanza Biohíbrida (CEGB).
Composición:
·
Especialistas en neurociencia.
·
Expertos en bioética.
·
Juristas especializados.
·
Investigadores en inteligencia artificial.
·
Especialistas en bioseguridad.
·
Representantes institucionales.
·
Representantes de la sociedad civil.
10.3.
Conciencia y consideración moral
Una cuestión que requiere especial prudencia es la posible aparición de
capacidades relacionadas con la experiencia subjetiva en sistemas neuronales
experimentales.
No existe evidencia suficiente para atribuir conciencia a los
dispositivos comerciales de computación neuronal descritos.
Sin embargo, el desarrollo de organoides más complejos exige mecanismos
de evaluación y revisión ética periódica.
Principio de precaución: la incertidumbre científica no debe utilizarse como
excusa para ignorar los posibles riesgos éticos.
11. HOJA DE RUTA 2026–2035
Se propone un
desarrollo progresivo de nueve años, dividido en cuatro etapas.
Programa
NOOSFERA BIOHÍBRIDA
Planificación
propuesta · 2026–2035
1. 2026–2027 · FUNDAMENTACIÓN
Etapa I
o
Revisión científica.
o
Acuerdos con centros especializados.
o
Definición de requisitos.
o
Evaluación de plataformas comerciales.
o
Primer gemelo digital.
o
Marco ético y jurídico.
2. 2028–2029 · INTEGRACIÓN
Etapa II
o
Acceso a plataformas biológicas.
o
Interfaz de datos.
o
Integración con IA.
o
Protocolos de comparación.
o
Prototipo UEDTE-BIOCOMPUTING.
3. 2030–2032 · DEMOSTRACIÓN
Etapa III
o
Experimentos comparativos.
o
BIO-OCEAN piloto.
o
Integración de gemelos digitales.
o
Evaluación energética.
o
Publicaciones científicas.
4. 2033–2035 · CONSOLIDACIÓN
Etapa IV
o
Evaluación independiente.
o
Ampliación de colaboraciones.
o
Nuevos demostradores.
o
Transferencia tecnológica cuando proceda.
o
Propuesta de programa europeo de investigación.
11.1.
Hitos principales
|
Año |
Hito |
|
2026 |
Documento
científico y requisitos |
|
2027 |
Acuerdos
científicos y evaluación tecnológica |
|
2028 |
Primer prototipo
digital |
|
2029 |
Integración
experimental |
|
2030 |
Primer
demostrador biohíbrido |
|
2031 |
Validación comparativa |
|
2032 |
BIO-OCEAN
experimental |
|
2033 |
Evaluación
independiente |
|
2034 |
Consolidación de
resultados |
|
2035 |
Evaluación
estratégica y continuidad |
Estos hitos son
objetivos de planificación, no compromisos de ejecución ni predicciones de
disponibilidad tecnológica.
12. MODELO
DE COLABORACIÓN CIENTÍFICA E INDUSTRIAL
El programa
requiere una estructura multidisciplinar y abierta a colaboraciones nacionales
e internacionales.
12.1.
Posibles entidades participantes
|
Entidad |
Área de
colaboración propuesta |
|
CSIC |
Neurociencia,
biología y materiales |
|
Universidad
Autónoma de Madrid |
Investigación
biomédica y computación |
|
Universidad
Politécnica de Madrid |
Ingeniería y
gemelos digitales |
|
Cortical Labs |
Plataformas de
computación neuronal |
|
Indra |
Sistemas de integración
y procesamiento |
|
GMV |
Simulación y
sistemas autónomos |
|
Sener |
Ingeniería e
integración tecnológica |
|
ICFO |
Tecnologías
fotónicas y sensores |
Son entidades
potenciales para explorar colaboraciones, no participantes confirmados.
12.2.
Estructura organizativa
Se propone una
estructura de cinco unidades:
1. Dirección científica.
2. Unidad de biocomputación.
3. Unidad de inteligencia
artificial y gemelos digitales.
4. Unidad de aplicaciones
oceánicas.
5. Comité de ética y
gobernanza.
APROCEAN actuaría
como promotora de la iniciativa y articuladora de la cooperación científica,
tecnológica y marítima.
13. MATRIZ
DE REQUISITOS VERIFICABLES
Esta matriz
establece las condiciones mínimas para considerar que el proyecto progresa de
manera objetiva.
|
ID |
Requisito |
Verificación |
Prioridad |
|
RB-01 |
Plataforma de
experimentación identificada |
Ficha técnica y
documentación |
Alta |
|
RB-02 |
Interfaz de
comunicación bidireccional |
Prueba de entrada
y salida |
Alta |
|
RB-03 |
Registro de
actividad neuronal |
Datos
electrofisiológicos |
Alta |
|
RB-04 |
Sistema de
adquisición de datos |
Ensayo de
integridad |
Alta |
|
RB-05 |
Integración con
IA |
Prueba funcional |
Alta |
|
RB-06 |
Gemelo digital
operativo |
Comparación con
datos reales |
Alta |
|
RB-07 |
Trazabilidad
experimental |
Auditoría de
registros |
Alta |
|
RB-08 |
Comparación con sistemas
convencionales |
Informe
estadístico |
Alta |
|
RB-09 |
Protección de
datos |
Auditoría de
seguridad |
Alta |
|
RB-10 |
Evaluación ética |
Aprobación del
comité competente |
Crítica |
|
RB-11 |
Demostrador
BIO-OCEAN |
Informe de
resultados |
Media |
|
RB-12 |
Reproducibilidad |
Repetición
independiente |
Alta |
13.1.
Control de alcance
|
Incluido en el
programa |
Excluido del
MVP |
|
Investigación de
laboratorio |
Aplicaciones
clínicas |
|
Plataformas
neuronales autorizadas |
Sustitución de
ordenadores |
|
Interfaces
electrónicas |
Sistemas conscientes
artificiales |
|
Gemelos digitales |
Implantación
humana |
|
IA de análisis |
Autonomía
biológica sin supervisión |
|
Demostradores
oceánicos |
Despliegue
operativo en submarinos |
14.
INDICADORES DE RENDIMIENTO Y CRITERIOS DE ACEPTACIÓN
Se proponen los siguientes indicadores para evaluar
el avance.
|
Indicador |
Criterio de
aceptación |
|
Integración |
Comunicación
bidireccional demostrada |
|
Calidad de datos |
Registro íntegro
y trazable |
|
Reproducibilidad |
Resultados
repetidos bajo protocolo común |
|
Rendimiento |
Comparación
estadística con referencias |
|
Estabilidad |
Funcionamiento
dentro de límites predefinidos |
|
Gemelo digital |
Correspondencia
cuantificada con datos experimentales |
|
Seguridad |
Auditoría sin
riesgos críticos pendientes |
|
Ética |
Autorizaciones y
revisiones aplicables |
|
Aplicación marina |
Demostración con
datos oceánicos reales o validados |
14.1.
Matriz de decisión experimental
|
Resultado |
Decisión |
|
Rendimiento
inferior al convencional |
Mantener
investigación básica |
|
Rendimiento
equivalente |
Investigar
ventajas específicas |
|
Mejora
reproducible en una tarea |
Ampliar el
demostrador |
|
Resultados
inconsistentes |
Revisar
metodología |
|
Riesgo ético o de
bioseguridad |
Suspender la
actividad afectada |
|
Ventaja
demostrada y coste competitivo |
Estudiar
transferencia tecnológica |
15.
CONCLUSIONES
La computación biohíbrida representa una línea de investigación
emergente que conecta la neurociencia, la biotecnología y la informática.
Los experimentos de DishBrain y el desarrollo de plataformas como CL1
demuestran que es posible establecer interacciones entre redes neuronales vivas
y entornos informáticos.
Sin embargo, la distancia entre estas demostraciones y la existencia de
ordenadores biológicos de propósito general sigue siendo considerable.
Este documento plantea una estrategia de investigación que evita
confundir las expectativas tecnológicas con las capacidades demostradas.
La propuesta NOOSFERA BIOHÍBRIDA
introduce una arquitectura de cooperación entre cuatro elementos:
·
Inteligencia humana.
·
Inteligencia artificial.
·
Procesamiento neuronal biológico.
·
Gemelos digitales y entornos experimentales.
Su integración en UEDTE-CUATRO OJOS permitiría estudiar, documentar y
comparar sistemas de computación de naturaleza diferente.
La dimensión marítima ofrece un campo adicional de investigación,
especialmente en bioacústica, oceanografía, biodiversidad y robótica submarina.
No se trata de afirmar que los ordenadores vivos vayan a controlar los
sistemas autónomos del futuro. Se trata de investigar rigurosamente si las
propiedades de los sistemas biológicos pueden contribuir a resolver
determinados problemas científicos y tecnológicos.
La gran oportunidad consiste en pasar de una informática que intenta reproducir determinados comportamientos biológicos a una informática capaz de investigar y cooperar directamente con sistemas vivos.
15.1.
Reflexión estratégica
La evolución de la inteligencia tecnológica puede contemplarse desde
tres grandes etapas:
1. Máquinas que calculan.
2. Máquinas que aprenden.
3. Sistemas híbridos que
investigan nuevas formas de cooperación entre componentes humanos, artificiales
y biológicos.
La tercera etapa constituye una hipótesis de desarrollo, no una
evolución inevitable.
En este contexto, la NOOSFERA BIOHÍBRIDA aspira a convertirse en un
entorno de experimentación y conocimiento compartido.
Su principio fundamental continúa siendo el de CUATRO OJOS:
«Dado un número suficiente de ojos, todos los fallos son
superficiales».
La incorporación de nuevos sistemas de procesamiento no sustituye la
inteligencia colectiva humana: amplía el campo de investigación y las posibilidades
de colaboración.
16. BIBLIOGRAFÍA CIENTÍFICA Y DOCUMENTAL
Las siguientes publicaciones constituyen la base bibliográfica inicial
del documento.
1. Kagan, B. J. et al. (2022). In vitro neurons learn and exhibit
sentience when embodied in a simulated game-world. Neuron, 110(23),
3952–3969.e8. DOI: 10.1016/j.neuron.2022.09.001. Consultar publicación
científica.
2. Smirnova, L. (2024). Biocomputing with organoid intelligence.
Nature Reviews Bioengineering, 2, 633–634. DOI: 10.1038/s44222-024-00200-6. Consultar publicación.
3. Hartung, T., Morales Pantoja, I. E. y Smirnova, L. (2024). Brain
organoids and organoid intelligence from ethical, legal, and social points of
view. Frontiers in Artificial Intelligence. DOI:
10.3389/frai.2023.1307613. Consultar publicación.
4. Shlobin, N. A., Savulescu, J. y Baum, M. L. (2024). The ethical
landscape of human brain organoids and a mindful innovation framework.
Nature Reviews Bioengineering, 2, 785–796. Consultar publicación.
5. Beyond consciousness: Ethical, legal, and social issues in human
brain organoid research and application (2025). European Journal of Cell
Biology. DOI: 10.1016/j.ejcb.2024.151470. Consultar publicación.
6. Cortical Labs. Documentación técnica y comercial del sistema CL1. Plataforma CL1.
7. Cortical Labs. Documentación de Cortical Cloud. Cortical Cloud.

No hay comentarios:
Publicar un comentario