LA POSIBILIDAD DE INTELIGENCIA NO NEURONAL

Introducción

La inteligencia ha sido tradicionalmente concebida como una propiedad inseparable del sistema nervioso y, en particular, del cerebro. Esta asociación ha guiado durante décadas la investigación en neurociencia, psicología cognitiva e inteligencia artificial, generando una definición implícita profundamente antropocéntrica: pensar, decidir o aprender serían funciones exclusivas de organismos dotados de neuronas organizadas en estructuras centralizadas. Sin embargo, un número creciente de evidencias empíricas cuestiona esta premisa y obliga a reconsiderar los límites mismos de la cognición.

Diversos sistemas biológicos carentes de sistema nervioso central —plantas, hongos, colonias de insectos y organismos unicelulares— muestran comportamientos adaptativos complejos que no pueden explicarse únicamente como reflejos automáticos. Resolución de problemas, aprendizaje dependiente de la experiencia, optimización de rutas, memoria fisiológica y toma de decisiones contextuales aparecen de forma recurrente en estos organismos, pese a la ausencia total de neuronas. Este fenómeno ha dado lugar al concepto de inteligencia no neuronal o cognición distribuida, que desplaza el foco desde el cerebro hacia los procesos de procesamiento de información en sistemas biológicos más amplios.

El objetivo de este artículo no es atribuir conciencia o intencionalidad humana a estos sistemas, sino analizar si cumplen criterios operativos de inteligencia definidos de manera funcional: capacidad de integrar información, modificar el comportamiento en función de la experiencia y seleccionar respuestas adaptativas ante entornos cambiantes. Bajo esta perspectiva, la inteligencia deja de ser una propiedad estructural concreta y pasa a entenderse como un proceso emergente dependiente de la organización y dinámica del sistema.

El análisis se desarrolla en seis partes complementarias:

1. El estudio de la cognición distribuida en organismos sin sistema nervioso central, como plantas, hongos y mohos mucilaginosos, y los mecanismos biofísicos que permiten el procesamiento de información.
2. La inteligencia colectiva en colonias de insectos y otros sistemas multicelulares simples, donde comportamientos complejos emergen sin control centralizado.
3. El papel de la bioelectricidad y la memoria celular como posibles sustratos de cognición no neuronal.
4. El análisis de las redes micóticas como sistemas reticulares capaces de integrar información a escala ecosistémica.
5. La computación molecular en células individuales y su capacidad para tomar decisiones adaptativas en entornos complejos.
6. Las implicaciones filosóficas y científicas de aceptar formas de inteligencia no neuronal, incluyendo la redefinición del concepto de inteligencia y sus consecuencias para la búsqueda de vida extraterrestre y el desarrollo de inteligencia artificial.

A lo largo del artículo se defenderá una tesis central: la inteligencia no es un atributo exclusivo del cerebro, sino una propiedad organizacional que puede emerger en sistemas biológicos muy diversos. Reconocer esta posibilidad no diluye el concepto de inteligencia, sino que lo amplía, permitiendo comprender mejor tanto la vida en la Tierra como las formas de cognición que podrían existir más allá de ella.

1. Cognición sin cerebro: procesamiento de información en organismos no neuronales

La idea de que la cognición requiere neuronas se debilita cuando se examinan organismos que, sin sistema nervioso central, muestran conductas adaptativas complejas. Plantas, hongos y mohos mucilaginosos procesan información ambiental, integran señales internas y externas y modifican su comportamiento de manera no trivial. La cuestión central no es si “piensan” en un sentido humano, sino si implementan procesos funcionalmente equivalentes a la cognición.

Señalización electroquímica en plantas

Las plantas carecen de neuronas, pero poseen redes de señalización electroquímica que transmiten información a larga distancia. Potenciales eléctricos propagados a través del floema y del xilema permiten coordinar respuestas sistémicas ante estímulos locales, como ataques de herbívoros, cambios lumínicos o estrés hídrico. Estas señales no son meros reflejos: muestran modulación contextual, integración multisensorial y dependencia de la experiencia previa.

Ejemplos bien documentados incluyen:

• la habituación de Mimosa pudica a estímulos repetidos no dañinos, donde la respuesta defensiva se atenúa de forma persistente;
• la anticipación circadiana en girasoles, que ajustan su orientación antes del amanecer en función de ciclos aprendidos;
• la comunicación química entre plantas vecinas, que induce respuestas defensivas anticipadas.

Estos comportamientos cumplen criterios operativos de aprendizaje y memoria fisiológica sin recurrir a estructuras neuronales.

 

Redes de transporte y toma de decisiones distribuida

En organismos no neuronales, la información no se procesa en un “centro”, sino que se distribuye a través de redes físicas de transporte. En plantas, la arquitectura vascular actúa como una red dinámica donde flujos de iones, hormonas y metabolitos codifican estados internos y prioridades adaptativas. La “decisión” emerge del equilibrio entre múltiples señales concurrentes, no de un nodo rector.

Este principio se observa con claridad en el moho mucilaginoso Physarum polycephalum. A pesar de ser un organismo unicelular multinucleado, es capaz de:

• resolver laberintos optimizando rutas hacia fuentes de alimento;
• redistribuir masa citoplasmática en función de costes energéticos;
• recordar trayectorias previas y evitarlas si resultaron ineficientes.

El procesamiento de información se realiza mediante flujos citoplasmáticos oscilatorios, que ajustan la conectividad interna del organismo en tiempo real. No hay representación simbólica, pero sí optimización adaptativa basada en experiencia.

Aprendizaje sin sinapsis

Un punto clave es que estos sistemas no almacenan información en sinapsis, sino en estados dinámicos del sistema: concentraciones químicas, potenciales eléctricos, configuraciones estructurales. La memoria no es un archivo, sino una historia incorporada en la fisiología del organismo.

Desde un punto de vista funcional, esto no invalida su carácter cognitivo. Si un sistema:

1. integra información relevante,
2. modifica su estructura o dinámica interna,
3. y usa ese cambio para guiar acciones futuras,

entonces cumple criterios mínimos de cognición, aunque el sustrato sea radicalmente distinto del neuronal.

Inteligencia como propiedad organizacional

Estos ejemplos sugieren que la inteligencia no depende de un tipo específico de célula, sino de la organización del procesamiento de información. La ausencia de neuronas no implica ausencia de cognición, sino una cognición implementada en otro soporte físico y químico.

Esta constatación obliga a desplazar el foco desde la anatomía hacia la dinámica del sistema. La pregunta relevante deja de ser “¿tiene cerebro?” y pasa a ser “¿cómo procesa información y se adapta?”. En ese cambio de perspectiva se abre la posibilidad de reconocer formas de inteligencia donde antes solo se veía automatismo.

2. Inteligencia sin individuo: sistemas colectivos y emergencia cognitiva

La existencia de comportamientos inteligentes en sistemas biológicos sin cerebro se vuelve aún más evidente cuando la unidad de análisis deja de ser el organismo individual y pasa a ser el colectivo. Colonias de insectos sociales —hormigas, abejas, termitas— y otros sistemas multicelulares simples muestran capacidades de resolución de problemas, optimización y adaptación que superan con creces las capacidades cognitivas de sus componentes individuales. En estos casos, la inteligencia no reside en un agente central, sino que emerge de la interacción local entre múltiples unidades simples.

Ausencia de control central y coherencia global

En una colonia de hormigas no existe un “cerebro de la colonia”. Ningún individuo posee una representación global del entorno ni un plan maestro. Cada miembro responde a señales locales siguiendo reglas simples, y sin embargo el conjunto exhibe comportamientos altamente organizados: construcción de nidos con ventilación eficiente, asignación dinámica de tareas, defensa coordinada o explotación óptima de recursos dispersos.

Este fenómeno desafía las concepciones clásicas de inteligencia basadas en planificación centralizada y representación explícita. La coherencia del sistema no es impuesta desde arriba, sino que emerge de abajo hacia arriba.

Comunicación mínima, patrones complejos

El mecanismo clave de esta inteligencia colectiva es la comunicación indirecta, a menudo denominada estigmergia. En las colonias de hormigas, por ejemplo, las feromonas actúan como señales persistentes en el entorno que guían el comportamiento de otros individuos. No transmiten instrucciones complejas, sino información local básica: presencia, intensidad, recencia.

A partir de este intercambio mínimo surgen patrones sofisticados:

• rutas óptimas hacia fuentes de alimento que se ajustan dinámicamente;
• redistribución de individuos según las necesidades del sistema;
• toma de decisiones colectivas entre múltiples opciones, como la selección de un nuevo nido.

Experimentos muestran que las colonias pueden “elegir” opciones subóptimas individualmente pero óptimas colectivamente, lo que indica un proceso de integración distribuida de información.

Comparación con la inteligencia de enjambre computacional

Estos sistemas biológicos han inspirado directamente modelos de inteligencia de enjambre en computación, como los algoritmos de optimización por colonia de hormigas o de partículas. En ambos casos, el principio es el mismo: agentes simples, reglas locales, ausencia de control central y emergencia de soluciones globales eficientes.

La similitud no es solo metafórica. En términos funcionales, tanto los enjambres biológicos como los computacionales:

• procesan información distribuida,
• exploran el espacio de soluciones de forma paralela,
• y convergen hacia configuraciones adaptativas sin necesidad de representación simbólica.

Esto refuerza la idea de que la inteligencia puede definirse como capacidad del sistema para generar soluciones adaptativas, independientemente de que exista o no un “sujeto” cognitivo individual.

¿Puede hablarse de inteligencia colectiva no neuronal?

Desde un enfoque operativo, estos sistemas cumplen criterios claros de inteligencia:

• aprendizaje colectivo (modificación de patrones de respuesta en función de la experiencia);
• toma de decisiones entre alternativas mutuamente excluyentes;
• robustez frente a la pérdida de individuos;
• adaptación rápida a cambios ambientales.

Todo ello ocurre sin neuronas centrales, sin memoria explícita y sin planificación consciente. La “memoria” del sistema se distribuye en el entorno (feromonas), en la estructura del grupo y en la dinámica de interacciones.

Implicaciones conceptuales

La inteligencia colectiva obliga a abandonar la idea de que la cognición es siempre un fenómeno individual e interno. En estos sistemas, la cognición es relacional y externa, extendida entre los individuos y su entorno. No hay un “yo” que decide, pero sí un sistema que funciona como si decidiera.

Este tipo de inteligencia no neuronal muestra que el cerebro no es una condición necesaria para la cognición, sino una de las muchas arquitecturas posibles para implementarla. Reconocerlo no trivializa el concepto de inteligencia; lo sitúa en un marco más general, donde la organización y la dinámica importan más que el sustrato específico.

3. Bioelectricidad y memoria celular: información sin neuronas

Uno de los desarrollos más relevantes en el estudio de la cognición no neuronal es la reevaluación del papel de la bioelectricidad como sustrato de procesamiento y almacenamiento de información en sistemas biológicos carentes de neuronas. Durante mucho tiempo, los potenciales eléctricos se consideraron relevantes casi exclusivamente en el contexto del sistema nervioso. Sin embargo, hoy se reconoce que todas las células vivas son eléctricamente activas, y que los gradientes de voltaje transmembrana desempeñan un papel central en la coordinación del comportamiento celular y tisular.

Gradientes bioeléctricos como estados informacionales

Las membranas celulares mantienen diferencias de potencial eléctrico mediante canales iónicos y bombas electrogénicas. En tejidos no neuronales, estos gradientes no solo regulan procesos metabólicos básicos, sino que forman patrones espaciales y temporales estables, capaces de codificar información funcional.

En plantas, hongos y embriones animales, se ha observado que:

• cambios persistentes en el potencial de membrana guían procesos de crecimiento y diferenciación;
• perturbaciones eléctricas locales pueden inducir respuestas globales coherentes;
• patrones eléctricos pueden mantenerse tras la desaparición del estímulo inicial.

Desde un punto de vista funcional, estos gradientes actúan como estados de memoria distribuida, análogos a configuraciones estables en sistemas dinámicos.

Evidencias de memoria y aprendizaje no neuronal

Diversos experimentos sugieren que estos sistemas no solo reaccionan, sino que recuerdan. En plantas, la exposición a estrés hídrico o térmico puede modificar respuestas posteriores durante periodos prolongados, incluso en ausencia del estímulo inicial. Esta memoria no se basa en sinapsis, sino en cambios persistentes en la fisiología celular y en la conectividad eléctrica entre tejidos.

En el caso de Physarum polycephalum, se ha demostrado que el organismo:

• evita zonas previamente asociadas a condiciones adversas;
• modifica su patrón de exploración tras experiencias negativas;
• y conserva esta información durante ciclos completos de reorganización interna.

La clave es que la información no se almacena en una estructura fija, sino en la dinámica del sistema, lo que cuestiona las concepciones clásicas de memoria como archivo localizado.

Bioelectricidad como mecanismo de control conductual

En ausencia de neuronas, la bioelectricidad cumple una función reguladora equivalente a la señalización neuronal, aunque con características distintas:

• opera a escalas temporales más lentas;
• integra señales químicas, mecánicas y ambientales;
• y coordina respuestas colectivas sin necesidad de procesamiento centralizado.

Estos sistemas no “representan” el mundo, pero sí configuran estados internos que condicionan la acción futura. Desde una perspectiva computacional, esto equivale a una forma de procesamiento basada en estados, más que en símbolos.

¿Cognición o autorregulación compleja?

Una objeción habitual es que estos fenómenos podrían reducirse a autorregulación fisiológica sin contenido cognitivo. Sin embargo, esta distinción se vuelve problemática cuando los sistemas muestran:

• dependencia clara de la experiencia previa,
• selección entre alternativas,
• y optimización de respuestas en función de objetivos implícitos como eficiencia energética o supervivencia.

Si se acepta que la cognición mínima consiste en usar información pasada para guiar acciones futuras, entonces los sistemas bioeléctricos no neuronales cumplen ese criterio, aunque su implementación sea radicalmente distinta de la cerebral.

Implicaciones para una teoría ampliada de la cognición

El estudio de la bioelectricidad sugiere que la cognición puede emerger allí donde existan:

• grados de libertad suficientes para almacenar estados,
• mecanismos de transición entre estados,
• y acoplamiento efectivo con el entorno.

Las neuronas son una solución particularmente eficiente a este problema, pero no la única. Reconocer la bioelectricidad como sustrato cognitivo amplía el campo de la inteligencia hacia arquitecturas biológicas profundas, donde pensar no es sinónimo de razonar, sino de organizar información para adaptarse.

4. Redes micóticas como sistemas cognitivos distribuidos

Entre los sistemas no neuronales más sugerentes desde el punto de vista cognitivo se encuentran las redes micóticas formadas por los hongos. A diferencia de plantas o animales, los hongos no se organizan en individuos compactos, sino en estructuras reticulares extensas —los micelios— que pueden abarcar desde centímetros hasta kilómetros. Esta arquitectura convierte al sistema fúngico en un candidato natural para el procesamiento de información distribuido, sin centro de control y con alta capacidad de integración ambiental.

El micelio como red de transporte e información

El micelio está compuesto por hifas interconectadas que permiten el transporte bidireccional de nutrientes, agua, señales químicas y potenciales eléctricos. Esta red no es pasiva: su topología cambia en función del entorno, reforzando conexiones útiles y degradando las ineficientes. Desde un punto de vista funcional, el micelio actúa como una red adaptativa, capaz de redistribuir recursos en respuesta a múltiples variables ambientales.

Estudios experimentales muestran que los hongos:

• priorizan rutas de menor coste energético,
• redirigen flujos tras daños locales,
• y ajustan el crecimiento según la disponibilidad futura de recursos.

Estas propiedades son difíciles de explicar sin asumir algún tipo de procesamiento integrado de información a escala del sistema completo.

La “Wood Wide Web” y la coordinación ecosistémica

En contextos simbióticos, los hongos micorrícicos conectan raíces de distintas plantas formando lo que se ha denominado la “Wood Wide Web”. A través de estas redes se intercambian nutrientes, metabolitos y señales químicas que influyen en el crecimiento, la defensa y la supervivencia de las plantas conectadas.

Más allá del intercambio material, se ha observado que:

• plantas atacadas por herbívoros pueden inducir respuestas defensivas en plantas vecinas a través de la red fúngica;
• los flujos se redistribuyen dinámicamente según la salud relativa de los nodos;
• la red responde de forma distinta a perturbaciones locales y globales.

Esto sugiere que el sistema micótico integra información distribuida y coordina respuestas a una escala superior a la del organismo individual.

Analogías con redes neuronales y sus límites

La tentación de describir el micelio como un “cerebro del bosque” debe manejarse con cautela. Aunque existen paralelismos estructurales —nodos, conexiones, transmisión de señales—, las diferencias son profundas:

• no hay sinapsis especializadas,
• no existe representación simbólica,
• ni un tiempo de procesamiento comparable al neuronal.

Sin embargo, desde un punto de vista computacional abstracto, el micelio puede entenderse como una red no neuronal de estados, donde la información se codifica en patrones de conectividad, flujos y gradientes electroquímicos. No piensa, pero resuelve problemas de distribución, optimización y resiliencia de forma eficaz.

Decisión sin representación

Una característica clave de estos sistemas es que la “decisión” no se localiza en ningún punto. El comportamiento global emerge de la interacción local entre hifas, señales químicas y condiciones ambientales. El sistema no representa el entorno; se acopla a él.

Este tipo de cognición, si se acepta el término, es:

• distribuida,
• incorporada en la estructura física,
• y profundamente dependiente del entorno.

Desde esta perspectiva, la inteligencia micótica no consiste en planificar, sino en mantener configuraciones funcionales adaptativas frente a perturbaciones constantes.

 Implicaciones para una cognición más allá del individuo

Las redes fúngicas obligan a ampliar aún más el marco cognitivo: no solo existen inteligencias sin neuronas, sino inteligencias sin individuos discretos. El sujeto cognitivo deja de ser un organismo y pasa a ser una red dinámica, cuyos límites no coinciden con los de ninguna entidad biológica clásica.

Este enfoque resulta clave para comprender sistemas vivos complejos y plantea preguntas profundas sobre dónde comienza y termina un sistema cognitivo.

5. Computación celular: decisión y adaptación a escala molecular

La posibilidad de inteligencia no neuronal alcanza su forma más radical cuando se desciende a la escala de la célula individual. En este nivel no existe sistema nervioso, ni redes multicelulares complejas, ni intercambio colectivo de información. Sin embargo, numerosas células —amebas, bacterias, leucocitos o células epiteliales— muestran comportamientos que implican discriminación de estímulos, toma de decisiones y adaptación flexible a entornos altamente variables. La pregunta ya no es si estos sistemas se parecen a un cerebro, sino si implementan procesos computacionales funcionales.

Cascadas de señalización como redes de procesamiento

Las células procesan información mediante cascadas de señalización molecular: redes de proteínas, segundos mensajeros, modificaciones postraduccionales y cambios conformacionales que transforman señales externas en respuestas internas. Estas redes no son lineales ni rígidas; presentan:

• retroalimentaciones positivas y negativas,
• umbrales de activación,
• integración simultánea de múltiples señales,
• y estados estables alternativos.

Desde un punto de vista computacional, estas propiedades permiten a la célula evaluar contextos, no solo reaccionar a estímulos aislados. La misma señal puede inducir respuestas distintas según el estado previo del sistema, lo que introduce una forma de memoria funcional.

Redes de regulación génica y estados celulares

Más allá de la señalización inmediata, las redes de regulación génica permiten decisiones a medio y largo plazo. La activación o silenciamiento coordinado de genes define estados celulares relativamente estables, como diferenciación, activación inmunitaria o migración dirigida.

Estos estados pueden entenderse como atractores dinámicos en un espacio de posibilidades moleculares. La célula no “elige” de forma consciente, pero sí transita entre estados en función de:

• información ambiental,
• historia previa,
• y restricciones internas.

Este marco permite describir la conducta celular como una forma de computación basada en estados, donde la decisión emerge de la dinámica del sistema.

Citoesqueleto y computación espacial

El citoesqueleto celular no es solo una estructura mecánica, sino un sistema dinámico de procesamiento espacial. La reorganización de microtúbulos y filamentos de actina permite:

• dirigir el movimiento celular (quimiotaxis),
• polarizar la célula frente a gradientes,
• y coordinar procesos internos en el espacio y el tiempo.

En células inmunitarias, por ejemplo, la decisión de fagocitar, migrar o secretar señales depende de la integración de múltiples pistas moleculares y espaciales. El resultado no es una respuesta fija, sino una selección contextual de acción.

Decisión sin representación simbólica

Un punto clave es que estas células no construyen representaciones internas del entorno. No “saben” qué es un patógeno ni “comprenden” un gradiente químico. Sin embargo, actúan como si discriminaran, utilizando información relevante para maximizar la probabilidad de supervivencia o función.

Esto obliga a separar dos conceptos que a menudo se confunden:

• cognición como representación consciente,
• cognición como procesamiento de información para guiar la acción.

Las células cumplen claramente el segundo criterio.

Implicaciones para los límites de la cognición

Si se acepta que la computación celular constituye una forma mínima de cognición, entonces la inteligencia deja de ser una propiedad exclusiva de organismos complejos y pasa a entenderse como un continuo, desde la escala molecular hasta sistemas colectivos.

Este enfoque no diluye el concepto de inteligencia; lo estratifica. Permite reconocer diferentes niveles de procesamiento de información adaptativa sin imponer un umbral artificial basado en la presencia de neuronas o conciencia.

Desde esta perspectiva, la célula individual no es un autómata ciego, sino un sistema computacional biológico, capaz de tomar decisiones operativas sin cerebro, sin neuronas y sin representación simbólica.

6. Implicaciones filosóficas y científicas: redefinir la inteligencia más allá del cerebro

Aceptar la posibilidad de inteligencia no neuronal obliga a una revisión profunda de uno de los conceptos más centrales de la ciencia moderna. La inteligencia, tal como ha sido definida tradicionalmente, ha estado fuertemente ligada a la mente humana, al cerebro y, en última instancia, a la experiencia consciente. Sin embargo, las evidencias analizadas en las secciones anteriores muestran que muchos sistemas biológicos procesan información, aprenden y toman decisiones sin neuronas, sin cerebro y sin conciencia. Esto no constituye una anomalía marginal, sino un desafío estructural a las definiciones dominantes.

El sesgo antropocéntrico en las teorías de la inteligencia

Gran parte de las teorías clásicas de la inteligencia parten de un supuesto implícito: que la cognición debe parecerse, en algún grado, a la cognición humana. Este sesgo antropocéntrico ha llevado a:

• identificar inteligencia con razonamiento simbólico,
• asociarla a representaciones internas explícitas,
• y exigir la presencia de conciencia o intencionalidad subjetiva.

Bajo estos criterios, la mayoría de los sistemas vivos quedan excluidos por definición. Sin embargo, esta exclusión no se basa en una imposibilidad funcional, sino en una elección conceptual restrictiva. Cuando se adoptan criterios operativos —capacidad de integrar información, modificar el comportamiento según la experiencia y seleccionar acciones adaptativas— el panorama se amplía de forma significativa.

Inteligencia como proceso, no como sustancia

Uno de los cambios conceptuales más relevantes consiste en abandonar la idea de la inteligencia como una “cosa” localizada (un cerebro, un módulo cognitivo, una mente) y entenderla como un proceso dinámico. Desde esta perspectiva, la inteligencia no reside en un órgano concreto, sino en la organización de las interacciones entre componentes de un sistema.

 Esto permite incluir dentro del marco cognitivo:

• sistemas celulares que computan mediante redes moleculares,
• redes micóticas que integran información ambiental,
• colonias de insectos que toman decisiones colectivas,
• y organismos sin sistema nervioso central que aprenden fisiológicamente.

La inteligencia deja de ser un atributo binario y pasa a concebirse como una propiedad gradual y contextual.

Consecuencias para la biología y la evolución

Aceptar inteligencias no neuronales también tiene implicaciones evolutivas profundas. Sugiere que la cognición no apareció de forma súbita con los sistemas nerviosos, sino que evolucionó gradualmente a partir de mecanismos de regulación y procesamiento de información más antiguos. Las neuronas serían una solución altamente especializada y eficiente, pero no el origen del fenómeno.

Este enfoque permite reinterpretar la evolución de la vida como una historia de creciente sofisticación en el manejo de información, donde distintos linajes exploraron arquitecturas cognitivas alternativas.

Implicaciones para la búsqueda de vida extraterrestre

Uno de los efectos más importantes de esta redefinición es su impacto en la búsqueda de inteligencia extraterrestre. Si la inteligencia se identifica exclusivamente con tecnologías, lenguaje o señales artificiales, se corre el riesgo de no reconocer formas de cognición radicalmente distintas.

Una inteligencia basada en bioquímicas no neuronales, en redes químicas o en sistemas distribuidos a escala planetaria podría pasar inadvertida bajo criterios clásicos. Ampliar el concepto de inteligencia no garantiza encontrarla, pero evita descartarla por definición.

Repercusiones para la inteligencia artificial

Del mismo modo, este marco abre nuevas vías para el desarrollo de inteligencia artificial no basada en arquitecturas neuronales. Sistemas inspirados en:

• computación morfológica,
• inteligencia de enjambre,
• redes dinámicas de estados,
• o bioelectricidad artificial,

podrían exhibir comportamientos inteligentes sin imitar el cerebro humano. Esto sugiere que la inteligencia artificial futura no tiene por qué ser una copia de la mente, sino una exploración de principios generales de cognición.

Una redefinición necesaria

Aceptar la inteligencia no neuronal no implica diluir el concepto hasta hacerlo trivial. Implica afinarlo. La inteligencia puede definirse, de manera más general, como la capacidad de un sistema para usar información de forma adaptativa en contextos cambiantes, independientemente del sustrato físico que la implemente.

Desde esta perspectiva, el cerebro humano no pierde singularidad, pero deja de ser el único referente. La inteligencia se convierte en un fenómeno más amplio, más antiguo y diverso de lo que tradicionalmente se ha admitido.

Esta ampliación conceptual no solo enriquece nuestra comprensión de la vida, sino que también redefine nuestra posición dentro de ella: no como la única forma de cognición existente, sino como una expresión particular dentro de un continuo mucho más vasto de sistemas inteligentes.

Conclusión

El recorrido por la posibilidad de una inteligencia no neuronal obliga a revisar una de las intuiciones más arraigadas del pensamiento científico moderno: la identificación casi automática entre inteligencia y cerebro. La evidencia examinada a lo largo del artículo muestra que esta asociación, aunque comprensible desde una perspectiva histórica y antropocéntrica, resulta conceptualmente insuficiente para describir la diversidad real de los sistemas vivos.

Organismos sin sistema nervioso central, colonias biológicas sin individuo cognitivo identificable, redes micóticas extendidas y células individuales revelan que el procesamiento de información, el aprendizaje y la toma de decisiones adaptativas pueden emerger en sustratos muy distintos del neuronal. En todos estos casos, la inteligencia no se manifiesta como representación consciente ni como razonamiento simbólico, sino como dinámica organizada, capaz de integrar información pasada y presente para modular la acción futura.

Este análisis sugiere que la inteligencia no es una propiedad localizada ni un rasgo binario, sino una propiedad organizacional y gradual, dependiente de la arquitectura del sistema y de su acoplamiento con el entorno. Las neuronas y los cerebros aparecen así no como el origen de la cognición, sino como una solución evolutiva particularmente potente dentro de un espectro mucho más amplio de estrategias biológicas para manejar información.

Aceptar esta ampliación conceptual tiene consecuencias profundas. En biología, permite reinterpretar la evolución como una progresiva sofisticación de mecanismos informacionales. En filosofía, cuestiona definiciones excesivamente centradas en la conciencia y la intencionalidad. En astrobiología, abre la posibilidad de reconocer formas de inteligencia radicalmente ajenas a nuestros marcos habituales. Y en inteligencia artificial, libera la cognición de la obligación de imitar al cerebro humano, orientándola hacia principios más generales de adaptación y organización.

Reconocer la existencia de inteligencia no neuronal no trivializa el concepto de inteligencia ni diluye su significado. Al contrario, lo vuelve más preciso y fiel a la realidad biológica. La inteligencia deja de ser un privilegio estructural y pasa a entenderse como una capacidad emergente de los sistemas vivos para habitar el mundo de forma informada.

En ese desplazamiento conceptual hay una consecuencia silenciosa pero relevante: el ser humano no pierde centralidad por degradación, sino por contextualización. Nuestra inteligencia sigue siendo extraordinaria, pero ya no aparece como una excepción absoluta, sino como una expresión particularmente compleja dentro de un continuo mucho más amplio de formas de cognición en la naturaleza.