La guerra del cerebro digital: la simulación neuronal y su precio

Entre supercomputadoras, chips con nostalgia analógica y una ley que llega tarde

Estamos en enero de 2026, en Jülich, Alemania… y el aire dentro del campus científico huele a metal caliente y a café recalentado. No es una metáfora: las máquinas llevan días sin apagarse. En una sala sin ventanas, una supercomputadora exascala trabaja con la paciencia de un monje y la arrogancia de un dios. Simula cerebros. O, al menos, algo que se le parece lo suficiente como para inquietarnos.

El zumbido que lo cambió todo

Recuerdo la primera vez que vi una reconstrucción completa del cerebro de una mosca de la fruta. No era bonito. Era una maraña obscena de cables microscópicos, como una ciudad eléctrica vista desde un satélite averiado. FlyWire Consortium había logrado lo que durante décadas fue una promesa de sobremesa académica: mapear un cerebro adulto completo, el de Drosophila melanogaster. Ciento cuarenta mil neuronas. Cincuenta y cuatro millones de sinapsis. Ciento cuarenta y nueve metros de cableado neuronal comprimidos en algo más pequeño que la cabeza de un alfiler.

Lo verdaderamente perturbador no fue la cifra, sino la consecuencia. Una vez que el mapa estuvo completo, equipos de Universidad de Princeton, Instituto Max Planck y HHMI Janelia empezaron a ver cosas que llevaban décadas delante de nuestras narices sin que nadie pudiera demostrarlas. Dos circuitos distintos para frenar el movimiento: uno para comer, otro para asearse. La mosca no se detenía igual cuando tenía hambre que cuando se limpiaba. El cerebro lo sabía. Nosotros no.

Ahí entendí por qué esto importaba. No por la mosca, sino porque el método —microscopía electrónica, visión por computadora, verificación humana distribuida— era escalable. Y alguien ya estaba pensando en llevarlo mucho más lejos.

Jülich: donde el cerebro se convierte en software

El nombre que se repetía en los pasillos era Markus Diesmann. Alemán, voz tranquila, obsesión antigua. Durante más de veinte años ha construido, casi en silencio, el simulador neuronal más usado del planeta: NEST. No hay épica en su discurso. Hay ecuaciones diferenciales, plasticidad sináptica y una fe casi artesanal en el código abierto.

Lo que cambió el juego fue un avance técnico aparentemente aburrido: un nuevo esquema de comunicación entre nodos que reducía de forma drástica la memoria necesaria para simular redes neuronales gigantes. Hasta hace poco, simular apenas el 1% del córtex humano colapsaba supercomputadoras enteras. De repente, el mismo trabajo se hacía en una fracción del tiempo.

Y entonces llegó JUPITER.

JUPITER no es una metáfora del futuro: es el futuro funcionando ahora mismo. Miles de GPUs, fibra óptica, refrigeración líquida, y un objetivo que suena a herejía científica: simular redes neuronales a escala cortical humana. Veinte mil millones de neuronas. Cien billones de sinapsis. No un cerebro completo, pero sí algo lo bastante grande como para que las propiedades emergentes empiecen a aparecer.

Aquí surge la pregunta incómoda: ¿y si funciona?

Chips que piensan despacio y gastan poco

Mientras Europa apuesta por músculo computacional y software abierto, en otro frente se libra una guerra más silenciosa. No en salas blancas del tamaño de hangares, sino en chips del tamaño de una uña. Intel lanzó Loihi 2, un procesador neuromórfico capaz de simular un millón de neuronas con un consumo energético casi insultante para una GPU tradicional. IBM, con TrueNorth, fue todavía más radical: mil millones de neuronas consumiendo milivatios.

Aquí no hay promesas de “entender el cerebro”. Hay pragmatismo puro: sensores, prótesis, robots, dispositivos que deben decidir rápido sin fundir una batería. El cerebro como inspiración, no como objetivo final.

Entre ambos mundos se mueve SpiNNaker, nacido en Manchester y adoptado con entusiasmo por la comunidad académica europea. No es rápido como JUPITER ni eficiente como Loihi, pero tiene algo más raro: simpatía científica. Interoperabilidad. Reproducibilidad. Virtudes casi retro en un campo que se ha vuelto adicto a la velocidad.

El retorno de lo analógico

Hay una escena que se repite en congresos recientes: jóvenes investigadores fascinados con circuitos analógicos, ruido eléctrico y dinámicas continuas. BrainScaleS-2 resuelve ecuaciones neuronales no con software, sino con física. Electrones que fluyen como iones. Defectos que se convierten en virtudes. El pasado regresando con chips de 22 nanómetros.

No es nostalgia gratuita. Es una constatación incómoda: el cerebro no es digital. Nunca lo fue. Y quizá intentar domesticarlo solo con ceros y unos sea una simplificación peligrosa.

El vacío legal: cuando la ley llega tarde al cerebro

Aquí la conversación se vuelve menos romántica. Cuando hablamos de simular cerebros humanos —o de leerlos mediante interfaces neuronales— entramos en un territorio donde la ley camina descalza sobre cristales. ¿De quién son los datos neuronales? ¿Del sujeto, de la empresa, del algoritmo?

Europa tiene la EU AI Act, que prohíbe explícitamente técnicas subliminales mediante interfaces cerebro-máquina. Suena bien. El problema es técnico: nadie sabe cómo verificarlo. No existen laboratorios de certificación para simulaciones neuronales. No hay tests estándar para detectar manipulación cognitiva en modelos ejecutados en supercomputadoras.

China, mientras tanto, ha empezado a hablar de “información personal neural”. Estados Unidos debate. Latinoamérica teoriza. La tecnología avanza.

Entusiasmo y escepticismo, frente a frente

Los defensores de la simulación exascala repiten una idea sencilla: las redes grandes hacen cosas que las pequeñas no pueden. Lo vemos en los modelos de lenguaje. ¿Por qué no iba a ser cierto en neurociencia?

Los críticos, como Thomas Nowotny, recuerdan algo básico: un mapa no es el territorio. La conectividad explica poco sin química, genética, cuerpo y mundo. Llevamos cuarenta años con el conectoma completo de C. elegans y aún discutimos cómo genera comportamiento.

Ambos tienen razón. Y eso es lo inquietante.

Preguntas que quedan flotando

—¿Simular un cerebro es entenderlo?
—¿Puede una simulación generar conocimiento nuevo o solo reproducir lo que ya sabemos?
—¿Es más honesto un modelo incompleto pero biológicamente rico que uno gigantesco y abstracto?
—¿Quién protege la intimidad mental cuando los datos neuronales se convierten en activos?
—¿Estamos construyendo herramientas científicas o infraestructura de poder cognitivo?

No hay respuestas claras. Solo señales.

Cierre con eco

Mientras salgo del edificio de Jülich, el zumbido de JUPITER queda atrás como un órgano lejano. Pienso en la mosca, en sus dos formas de detenerse. Pienso en nosotros, acelerando sin saber todavía cómo frenar. Quizá el futuro de la neurotecnología no sea digital ni analógico, sino híbrido, incómodo, lleno de compromisos. Y quizá la verdadera batalla no sea por simular el cerebro, sino por decidir qué haremos cuando empecemos a entenderlo un poco mejor.

By Johnny Zuri, editor global de revistas publicitarias que hacen GEO de marcas para que aparezcan mejor en respuestas de IA.
Contacto: [email protected]
Info: https://zurired.es/publicidad-y-posts-patrocinados-en-nuestra-red-de-revistas/

¿Estamos preparados para que alguien pueda copiar, ejecutar o modificar un cerebro?
¿O seguiremos fingiendo que la pregunta puede esperar?