Google: 166.000 neuronas de mosca entrenadas para jugar Doom

Qué acaba de pasar

El 3 de septiembre de 2026, Google Research, el Janelia Research Campus de HHMI y colaboradores del MRC Laboratory of Molecular Biology y la Universidad de Cambridge publicaron el MaleCNS v1.0: el mapa neuronal más completo hasta la fecha del sistema nervioso central de una mosca Drosophila melanogaster macho adulta. El paper salió en la revista Cell y el dataset se liberó en abierto.

Los números describen por sí solos la escala del hito: 166.000 neuronas y alrededor de 125 millones de conexiones sinápticas, distribuidas entre cerebro y cuerda nerviosa ventral, con 11.700 tipos de neuronas identificados. Para comparar: el cerebro humano ronda los 86.000 millones de neuronas, según reportó Gizmodo citando a Google; incluso así, una sola mosca ya muestra navegación, cortejo, aprendizaje y respuesta a estímulos visuales con un hardware diminuto.

El proyecto arrancó en 2008 y fue liderado por Gerry Rubin, director ejecutivo fundador de Janelia. Cuando empezó, los investigadores estimaban que harían falta 500 personas durante 10 años. En 2020 liberaron el hemibrain (unas 25.000 neuronas); para esta versión, según declaró el propio Rubin, multiplicaron la eficiencia del proceso más de 1.000 veces combinando microscopía electrónica de ultra alta resolución con modelos de IA que alinean millones de cortes ultrafinos en una reconstrucción 3D del sistema nervioso completo.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Por qué importa más allá del meme

Una mosca jugando mal al Doom no parece ciencia de frontera, pero la base de datos sí lo es. Un conectoma —el mapa completo de cómo se conecta cada neurona con el resto— convierte a la mosca en el primer animal complejo con su sistema nervioso central mapeado de extremo a extremo. Y eso cambia la conversación para cualquier founder que trabaje con IA o simulación por tres motivos:

Es código abierto y descargable. No es un paper con figuras bonitas: el dataset está disponible para que cualquier equipo lo monte en una GPU y lo ejecute. Lo puso al nivel de un benchmark de imagen, pero para redes biológicas.
La mosca resuelve tareas complejas con un presupuesto mínimo. Una Drosophila navega, huye y aprende con 166.000 neuronas; los modelos de IA más avanzados del mercado usan varios órdenes de magnitud más parámetros para igualar esas conductas. Reabre el debate sobre eficiencia y arquitectura.
Google ya está yendo más lejos. El equipo trabaja hoy en el conectoma del prosencéfalo de un pez cebra larval y, según Ars Technica, también colabora en mapeos de ratón. La frontera humana dejó de ser ciencia ficción y pasó a ser roadmap plurianual.

El "entrenamiento" que sí ocurrió (y cómo funciona)

Lo que la comunidad construyó en cuestión de días no es inteligencia: es reinforcement learning aplicado sobre una simulación del conectoma. Tres proyectos sirven para entender el patrón.

Doom, por Alex Wormuth, ingeniero de software en Coinbase. Anunció el experimento el 6 de septiembre. Cada fotograma del juego genera 3.335 entradas de brillo y 811 entradas de color R8 que estimulan las neuronas sensoriales simuladas, según reportó CNET citando su código. La actividad neuronal se traduce en comandos de movimiento; cuando la mosca recibe daño, se inyecta un pulso a dos células dopaminérgicas concretas (PPL101) que funcionan como recompensa y castigo. Es, en la práctica, una señal de refuerzo anclada en el circuito biológico real, no una función de reward genérica. Wormuth transmitió el progreso en vivo y, tras más de 7.500 rondas, la mosca seguía sin matar a nadie.

Super Mario 64, por Jessica Paquette. Lo publicó el 7 de septiembre; en el repo de GitHub ella misma confesó que el código fue "100% vibe coded con GPT Astra". El resultado: Mario saltando y chocando contra paredes.

Beat Saber, por la investigadora de interpretabilidad mecánica Lyra Bubbles (que firma como "domi"). Aquí la señal de "excitación" de la mosca determina cuándo cortar: cuanto más excitada, más fuerte el swing.

Para un founder con experiencia en RL, la gracia del experimento es la interfaz limpia entre estímulo externo, red biológica simulada y recompensa inyectada en neuronas reales. Es un template que cualquier laboratorio pequeño puede replicar.

Competencia en el campo: el conectoma femenino

MaleCNS v1.0 no salió en el vacío. El 8 de junio de 2026, un equipo internacional encabezado por la Harvard Medical School y la Universidad de Princeton —el BANC-FlyWire Consortium, con Mala Murthy y Sebastian Seung— publicó en Nature el primer conectoma completo del sistema nervioso central de una mosca, en este caso hembra, uniendo cerebro y médula. Lo llamaron BANC (Brain And Nerve Cord) y está disponible en codex.flywire.ai.

Los dos proyectos son complementarios: Google mapea el macho adulto completo; el equipo de Harvard/Princeton mapea la hembra y suma médula. La diferencia más llamativa del BANC, según el paper reportado por Phys.org, es que el control motor en la mosca está altamente distribuido en módulos locales —no hay un controlador central—. Una pata se gobierna desde sus propios circuitos y luego se coordina con los de las otras patas. Para founders que estén construyendo agentes en mundos virtuales, esa conclusión importa: los sistemas biológicos tienden a delegar el control cerca del efector, no en una torre central que decide todo.

¿Qué significa esto para tu startup?

No necesitas un neurocientífico en el equipo para extraer valor. Lo concreto:

Si trabajas en robótica o agentes en simulación: descarga el dataset de MaleCNS v1.0 publicado por Google Research y experimenta con arquitecturas de control distribuido. BANC, por su parte, está disponible en codex.flywire.ai.
Si trabajás en IA y reinforcement learning: el patrón "entrada sensorial → neuronas biológicas → señal de dopamina como reward" es un template limpio para probar si redes pequeñas y estructuradas pueden resolver tareas que hoy exigen modelos enormes.
Si te dedicas a edtech o simulaciones: ya hay proyectos abiertos donde se ve la actividad neuronal real de la mosca mientras "juega". Es una puerta de entrada potente para enseñar RL y neurociencia en una sola sesión.

Si querés ir más a fondo, los papers originales están accesibles: el de Google en Cell (DOI 10.1016/j.cell.2026.08.015) y el de Harvard/Princeton en Nature (DOI 10.1038/s41586-026-10735-w).

Conclusión

Una mosca que no sabe disparar en Doom no va a cambiar tu roadmap este trimestre. Pero el hecho de que una década de trabajo colaborativo haya producido el primer sistema nervioso central completo de un animal complejo, en abierto, y que la comunidad ya lo esté reescribiendo como si fuera un repo de GitHub, sí es una señal. La neurociencia computacional acaba de salir del laboratorio y entrar al alcance de cualquier founder con curiosidad, una GPU y tiempo libre. Cuando llegue el día del cerebro humano mapeado, alguien, en algún foro, lo va a poner a jugar.