La expansión vertiginosa de la inteligencia artificial (IA) ha traído beneficios innegables, pero también un desafío crítico: su insostenible consumo de energía. Se estima que una sola interacción compleja en herramientas como ChatGPT puede gastar tanta electricidad como un hogar promedio en Estados Unidos durante un minuto completo de actividad.
Al multiplicar este factor por los miles de millones de peticiones diarias y el proceso de entrenamiento de los modelos, la huella de carbono resulta alarmante. Ante este panorama, un equipo de expertos liderado por Tianyi Chen, docente en Cornell Tech, junto a especialistas de IBM y el Rensselaer Polytechnic Institute, propone una solución revolucionaria: la computación analógica en memoria (AIMC).
¿En qué consiste la tecnología AIMC?
A diferencia de los sistemas tradicionales que mueven información constantemente entre la memoria y el procesador, la computación analógica permite que los datos permanezcan en un solo lugar. Este método utiliza la física de los chips para ejecutar cálculos matemáticos de forma instantánea.
Según el profesor Tianyi Chen, esta innovación podría marcar un antes y un después en la industria tecnológica:
“Estamos aprovechando las propiedades físicas para realizar operaciones sin necesidad de trasladar datos, lo que podría desplomar el consumo energético hasta mil veces, garantizando la sostenibilidad de la IA del futuro”.
Superando las barreras del hardware analógico
Históricamente, el uso de hardware analógico presentaba un inconveniente: la imprecisión. Los pulsos eléctricos pueden verse afectados por el ruido o interferencias, complicando el aprendizaje de las máquinas. Sin embargo, el equipo de investigación desarrolló un algoritmo denominado “Residual Learning” para solventar este problema.
Este nuevo enfoque permite corregir en tiempo real las imperfecciones del hardware. Entre las ventajas de este sistema se encuentran:
- Precisión comparable a la de los sistemas digitales convencionales.
- Reducción drástica de costos operativos y energéticos.
- Estabilidad y equidad durante el entrenamiento de los modelos de lenguaje.
Impacto en la vida cotidiana y nuevas aplicaciones
El éxito de esta investigación, presentada recientemente en la Conferencia sobre Sistemas de Procesamiento de Información Neural (NeurIPS), abre la puerta a integrar la IA en dispositivos donde antes era imposible por el alto consumo de batería. Las áreas más beneficiadas incluyen:
| Sector | Beneficio de la IA Analógica |
|---|---|
| Medicina | Dispositivos médicos inteligentes con mayor autonomía. |
| Industria | Sensores y robots autónomos más eficientes. |
| Consumo | Tecnología vestible (wearables) con procesamiento avanzado local. |
El siguiente paso para los científicos de Cornell Engineering será integrar esta metodología en modelos de código abierto y establecer alianzas con la industria privada para masificar el uso de estos chips de bajo consumo. Con esto, la inteligencia artificial no solo será más inteligente, sino también más respetuosa con el medio ambiente.
Fuente: Infobae