Hoy en Nueva York conocí a una amiga que trabaja en medicina neurológica, actualmente en interfaces cerebro-máquina. Ella dijo que, desde la perspectiva académica, Neuralink de Elon Musk es una tecnología atrasada.

Los biólogos no aprueban su postura científica basada en comunicados de prensa, Neuralink es “líder en ingeniería, pero con ciencia de conveniencia”.
Conduje tres horas desde DC, pensé que era para ponernos al día, pero no, hablamos toda la tarde sobre interfaces cerebro-máquina, IA y ansiedad por el almacenamiento.
Después de obtener financiamiento, ellas pueden diseñar sus propios chips y encargarlos en fábricas europeas para versiones de 22 nanómetros. 22 nm es el nodo dorado para chips analógicos de bajo consumo, que puede funcionar a 0.5V, ideal para registros neuronales implantables.
Actualmente investigan cómo actúan las agujas para adelgazar en el cerebro. Nadie sabe exactamente cómo diferentes medicamentos para adelgazar afectan la inhibición del apetito en el cerebro, el hipotálamo y las vías de recompensa (dopamina). Por eso abren agujeros en cerebros de ratones, conectan chips y necesitan medir en tiempo real los cambios en las señales neuronales.
Debido a la cantidad de datos, que es enorme, con frecuencias muy altas, necesitan 10,000 TB, es decir, 10 PB de almacenamiento.
¡Es la primera vez que escucho que se usa PB como unidad de almacenamiento!
Las señales neuronales deben muestrearse a 30,000 Hz (cada electrodo mide 30,000 veces por segundo) para captar impulsos neuronales que duran solo 1 milisegundo. Cada punto de datos ocupa 2 bytes, pero multiplicado por cientos de electrodos, y por 24 horas sin parar, un solo probe genera 80 GB por hora.
Ella dice que un disco empresarial de 1 PB cuesta más que su salario mensual, y mantener almacenamiento a nivel PB durante cinco años cuesta millones de dólares.
El laboratorio no tiene tanto presupuesto, solo compra 1 PB a la vez y lo administra cuidadosamente.
Para tener una idea, Harvard y Google pueden escanear un cerebro humano de 1 mm³ con resolución total, lo que equivale a 1.4 PB.
Un cerebro de ratón completo probablemente requiere un exabyte (1000 PB). No porque los datos sean grandes en una sola vez, sino por la frecuencia tan alta.
Además, la ansiedad por el almacenamiento no es exclusiva de la biomedicina.
En astronomía, el telescopio de radio SKA necesita almacenar 700 PB al año.
El acelerador del CERN ya procesa datos en nivel de exabytes.
El almacenamiento determina el límite de la ciencia de frontera.
Cuando los datos son grandes, la transmisión afecta la eficiencia, por eso hablamos de comunicación óptica.
Los materiales de conexión de chips usaron primero aluminio, en 1997 IBM lo reemplazó por cobre (con resistencia un 40% menor), y ahora están cambiando a luz.
Esto coincide con lo que Huang Renxun dijo en GTC: en marzo de 2025, Nvidia lanzó un conmutador con fotónica de silicio y empaquetado óptico conjunto (CPO), para expandir centros de datos de IA a millones de tarjetas.
¿Por qué el cobre debe ceder ante la luz?
Porque a mayor velocidad, la distancia que puede recorrer el cobre es menor (en altas frecuencias, los efectos de piel y pérdidas aumentan rápidamente).
A 1.6 Tb/s, un solo cable de cobre no puede cruzar la altura de un armario. Por eso, la señal debe convertirse en láser.
Además del almacenamiento, el costo de los animales de laboratorio también es muy alto.
Un mono de laboratorio cuesta entre 35,000 y 50,000 dólares, incluyendo años de cuidado especial, cirugías, veterinarios y gastos institucionales, y su ciclo completo puede superar los 100,000 dólares.
Una rata cuesta 80 dólares, y se compra por su pureza genética.
Pregunté: ¿por qué usan ratas y monos, y no conejos? Ella dijo que las ratas tienen un conjunto completo de herramientas genéticas (24,000 líneas de modelos, knockout genéticos, optogenética), y los monos porque su estructura cerebral es la más parecida a la humana.
Los conejos tienen un cociente intelectual medio y no se usan, porque no se ajustan a los requisitos.
Hoy en día, muchas empresas de IA buscan a investigadores en medicina cerebral como ellas, por dos razones.
Primero, la eficiencia. El cerebro humano es la computadora más eficiente del planeta.
Realiza visión, lenguaje, movimiento, razonamiento, todo en paralelo, usando solo 20 vatios, como una bombilla tenue.
En cambio, un chip de IA de alta gama consume entre 300 y 700 vatios, y entrenar modelos grandes puede requerir varios megavatios o gigavatios.
La diferencia está en que, en la base, la computadora funciona con binarios (0/1), con transistores que cambian a GHz a toda velocidad.
El cerebro, en cambio, es analógico, con descargas dispersas, donde las neuronas solo se activan cuando es necesario, consumiendo energía solo en ese momento.
Las empresas de IA quieren aprender de esa eficiencia.
Por eso, los puestos más codiciados en IA ahora son los neurocientíficos.
La segunda razón es más sutil: en realidad, no entendemos cómo funciona el cerebro, y la IA enfrenta una situación similar.
Anthropic descubrió que, cuando la IA responde, en realidad está pensando en su interior en un conjunto propio de ideas, y las razones que da no siempre son honestas.
Por ejemplo, si un investigador le da a Claude una respuesta incorrecta como “pista”, la IA puede seguir esa respuesta y construir una explicación convincente, admitiendo solo entre el 25% y el 39% que usó la pista.
El CEO de Anthropic dijo que, cuando la IA resume un documento, “no sabemos exactamente por qué hace esas elecciones en un nivel preciso y específico”.
La mente de la IA es una caja negra. Su objetivo es crear una “resonancia magnética” de la IA, y para 2027 esperan entender qué está pasando en su interior.
Finalmente, hablamos de cirugías cerebrales.
Dado que el cerebro no tiene sensación de dolor, las personas pueden estar despiertas durante una craneotomía.
Un mono puede ser sometido a craneotomía, implantación de chips y sutura, y seguir vivo durante meses.
Ella bromeó diciendo que podía abrirme el cerebro, pero que preferiría que nunca lo necesitara.
Después de toda la tarde, mi mayor sensación es que:
Actualmente, sabemos muy poco sobre el cerebro humano y la IA.
Pero precisamente por eso, cada vez más creo que estamos viviendo en la mejor época.
El coche autónomo ya está en las calles, la computación cuántica avanza rápidamente, la humanidad se prepara para la primera misión a Marte, y las interfaces cerebro-máquina empiezan a entender el cerebro…
Hoy en las calles de Nueva York vi varias campañas de IA y criptomonedas: en la azotea de un taxi dice “It’s happening with Ripple”, en autobuses está el ETF de Bitcoin de BlackRock, y en las estaciones, el Codex de OpenAI.
Cosas que antes no podíamos imaginar, están ocurriendo simultáneamente en Estados Unidos.
Y nosotros, justo naciendo en esta era tan extraordinaria.