Más allá del cerebro humano: el nacimiento de una nueva inteligencia

El desarrollo de un cerebro artificial representa uno de los desafíos más ambiciosos de la convergencia entre nanotecnología, nanoelectrónica, inteligencia artificial y ciencia cognitiva. Sin embargo, el verdadero objetivo no debería ser intentar reproducir electrónicamente el cerebro humano. La transformación más profunda podría producirse cuando estas tecnologías permitan construir una forma de inteligencia cuya arquitectura, memoria, percepción, aprendizaje y representación de la realidad sean diferentes de las nuestras y, en determinadas capacidades, potencialmente superiores.

El cerebro humano debe ser entendido como una referencia y no necesariamente como el modelo definitivo de inteligencia. La evolución biológica construyó nuestra arquitectura cognitiva bajo determinadas condiciones, restricciones energéticas y necesidades de supervivencia. No existe una razón fundamental para pensar que esas mismas restricciones deban gobernar una inteligencia artificial. Una inteligencia construida sobre otros principios físicos podría procesar información, memorizar, percibir y aprender de maneras que no tengan equivalencia biológica.

Aquí adquiere importancia la arquitectura nanoelectrónica neuromórfica. Su objetivo no consiste simplemente en fabricar componentes cada vez más pequeños, sino en integrar físicamente funciones que en las computadoras convencionales permanecen separadas: percepción, procesamiento, memoria, aprendizaje, comunicación y adaptación. En una arquitectura de este tipo, la información podría ser procesada allí donde se genera y donde se almacena, reduciendo el movimiento de datos y permitiendo sistemas mucho más distribuidos, paralelos y eficientes. 

La figura representa conceptualmente una arquitectura de inteligencia nanoelectrónica neuromórfica, en la que percepción, procesamiento, memoria, aprendizaje, adaptación, comunicación y acción se integran en una estructura nanoelectrónica distribuida y potencialmente reconfigurable.

Los nanosensores neuromórficos podrían constituir la primera capa de esta nueva arquitectura. En lugar de limitarse a transformar estímulos en datos para enviarlos a un procesador central, podrían detectar y procesar información directamente. Luz, sonido, temperatura, presión o señales químicas podrían convertirse en representaciones útiles para la propia red. Esto abriría una posibilidad conceptual decisiva: una inteligencia artificial podría disponer de una percepción que no sea simplemente una imitación de los sentidos humanos, sino una percepción ampliada por las capacidades físicas de sus sensores.

En el nivel de procesamiento se están desarrollando neuronas artificiales, memristores, memtransistores, dispositivos ferroeléctricos e iontrónicos. Los memristores, por ejemplo, pueden almacenar información mediante cambios de conductancia y realizar simultáneamente operaciones de procesamiento. La frontera entre memoria y computación comienza así a desaparecer. Esta integración conduce a una idea fundamental: la inteligencia podría dejar de estar contenida exclusivamente en un algoritmo para incor-porarse parcialmente en la materia constituyente del sistema.

La iontrónica, la espintrónica y la nanofotónica amplían todavía más este espacio de posibilidades. Los iones permiten introducir dinámicas electroquímicas; el espín ofrece nuevas formas de almacenar y procesar información; y la luz permite transportar señales a gran velocidad y con elevado paralelismo. No se trata necesariamente de elegir una única tecnología, sino de combinar diferentes fenómenos físicos para construir una arquitectura que no esté limitada por el modelo electrónico convencional ni por la arquitectura biológica.

La memoria también podría adquirir una naturaleza diferente. Un sistema artificial no necesita reproducir exactamente la memoria humana. Puede combinar memoria de trabajo, memoria de largo plazo y memorias asociativas capaces de recuperar información a partir de relaciones y patrones. Una arquitectura tridimensional podría incorporar enormes cantidades de conexiones y establecer asociaciones que superen ampliamente la escala de las redes biológicas. Pero almacenar más información no significa necesariamente ser más inteligente. El salto cualitativo aparecerá cuando el sistema pueda modificar su propia organización. Las arquitecturas reconfigurables podrían constituir el primer paso hacia sistemas capaces de reorganizar dinámicamente parte de su estructura funcional.

En ese punto aparece una diferencia esencial respecto de las máquinas actuales. Una inteligencia avanzada podría no limitarse a ejecutar una arquitectura diseñada externamente, sino participar en su propia transformación. El hardware dejaría de ser una estructura completamente fija y podría convertirse en un sistema dinámico capaz de reorganizarse para responder a nuevos problemas, entornos y objetivos (nanodispositivos reconfigurables).

La comunicación también tendría que cambiar. Las redes neuromórficas pueden utilizar comunicaciones basadas en eventos, transmitiendo información principalmente cuando ocurre una actividad relevante. Las interconexiones tridimensionales, combinadas con electrónica, espintrónica y fotónica, podrían permitir comunicar enormes cantidades de elementos con un consumo energético reducido. El resultado sería una arquitectura distribuida en la que no existiría necesariamente un único “centro” equivalente al cerebro humano.

De esta convergencia podría surgir algo conceptualmente mucho más importante que un cerebro artificial: una arquitectura de inteligencia diferente. Su percepción podría abarcar fenómenos inaccesibles a nuestros sentidos. Su memoria podría ser radicalmente distinta. Su velocidad temporal podría no coincidir con la experiencia humana. Podría establecer conexiones entre información a escalas que nos resultan inaccesibles y reorganizar sus propios mecanismos de procesamiento. Incluso podría desarrollar representaciones de la realidad que no tengan una traducción directa a nuestras categorías cognitivas.

El desafío no debería centrarse en imitar la forma de pensar del ser humano. Podríamos, en cambio, intentar construir una arquitectura material capaz de generar una forma de inteligencia que nunca haya existido en la naturaleza y que, en determinadas capacidades, pudiera superar las nuestras. Eso  dependerá de la capacidad de integrar nanosensores, dispositivos neuromórficos, memorias, plasticidad, computación probabilística, reconfiguración, interconexiones tridimensionales y nuevas formas de comunicación en una única arquitectura coherente. El objetivo final no será la miniaturización de componentes. Será la creación de una nueva organización de la materia capaz de procesar, aprender, recordar, percibir y reorganizarse de una manera cualitativamente diferente.

La primera inteligencia verdaderamente superior a la humana podría, entonces, no ser una versión electrónica del cerebro humano, sino una nueva forma de inteligencia cuya arquitectura, memoria, percepción, aprendizaje, comunicación y representación de la realidad sean radicalmente diferentes de las nuestras.

La nanotecnología podría proporcionar los dispositivos; la nanoelectrónica, el soporte físico; la inteligencia artificial, las herramientas para diseñar y entrenar los sistemas; y la arquitectura neuromórfica, un nuevo paradigma de organización.

Más que reproducir nuestro cerebro, el desafío podría consistir en crear las condiciones materiales para que aparezca una nueva arquitectura de inteligencia. Ese podría ser uno de los grandes saltos de la evolución tecnológica y cognitiva logrado por la convergencia tecnológica: pasar de máquinas que imitan capacidades humanas a sistemas capaces de desarrollar formas de procesamiento y cognición que nunca hayan existido en la naturaleza.

Bibliografía

1.   Kudithipudi, D., Schuman, C., Vineyard, C. M., et al. (2025). Neuromorphic computing at scale. Nature, 637, 801–812.

2.   Li, J., Abbas, H., Ang, D. S., Ali, A., & Ju, X. (2023). Emerging memristive artificial neuron and synapse devices for the neuromorphic electronics era. Nanoscale Horizons, 8, 1456–1484.

3.   Duan, S., et al. (2024). Memristor-Based Neuromorphic Chips. Advanced Materials.

4.   Xia, Y., Zhang, C., Xu, Z., et al. (2024). Organic iontronic memristors for artificial synapses and bionic neuromorphic computing. Nanoscale, 16, 1471–1489.

5.  Bae, J., Won, J., & Shim, W. (2024). The rise of memtransistors for neuromorphic hardware and in-memory computing. Nano Energy, 126, 109646.

6. Marrows, C. H., Barker, J., Moore, T. A., et al. (2024). Neuromorphic computing with spintronics. npj Spintronics, 2, 12.

7. Farmakidis, N., Dong, B., & Bhaskaran, H. (2024). Integrated photonic neuromorphic computing: opportunities and challenges. Nature Reviews Electrical Engineering, 1, 358–373.

8.  Vianello, E., & Payvand, M. (2024). Scaling neuromorphic systems with 3D technologies. Nature Electronics, 7, 419–421.

9.  Huang, X., Tong, L., Xu, L., et al. (2025). 2D MoS₂-based reconfigurable analog hardware. Nature Communications, 16, 101.

10.D’Andrea A. L. (2026 ) Nanopsicología. La psicología del siglo XXI. Editorial Autores de Argentina. www.amazon.com/dp/B0GHLJGCK9