La IA se ha vuelto 100 veces más eficiente en términos energéticos

Si hace poco hablábamos de la enorme cantidad de electricidad que consume la inteligencia artificia, ahora toca la respuesta a ese desafío: un equipo de científicos de la Universidad Northwestern ha diseñado un dispositivo con IA capaz de reducir sus necesidades energéticas 100 veces, manteniendo un alto nivel de precisión en sus tareas.

Antes de que las herramientas de aprendizaje automático puedan realizar un análisis o desempeñar una tarea, primero deben clasificar de manera precisa y confiable los datos de entrenamiento en varias categorías. Por ejemplo, si una herramienta clasifica fotografías por color, entonces necesita reconocer qué fotografías son rojas, amarillas o azules para poder clasificarlas con precisión. Una tarea fácil para un ser humano, pero un trabajo complicado y que requiere mucha energía para una máquina.

Para que las tecnologías actuales basadas en silicio analicen grandes conjuntos de datos, se necesitan más de 100 transistores, cada uno de los cuales requiere su propia energía para funcionar. El dispositivo nanoelectrónico de Northwestern, en cambio, puede realizar la misma con solo dos dispositivos. Al reducir la cantidad de dispositivos, los investigadores redujeron drásticamente el consumo de energía y desarrollaron un dispositivo mucho más pequeño que puede integrarse en un dispositivo portátil estándar.

Gracias a su diminuto tamaño, su consumo muy reducido de energía y la velocidad para procesar los datos, el dispositivo es ideal para su uso en gadgets pequeños, como relojes inteligentes y rastreadores de actividad física, lo que les permitirá procesar datos en tiempo real y diagnósticos casi instantáneos.

Para probar el concepto, los ingenieros utilizaron el dispositivo para clasificar grandes cantidades de información de conjuntos de datos de electrocardiogramas (ECG) disponibles públicamente. El dispositivo no solo pudo identificar de manera eficiente y correcta un latido cardíaco irregular, sino que también pudo determinar el subtipo de arritmia entre seis categorías diferentes con una precisión cercana al 95%. En total, el dispositivo pudo identificar con precisión cada tipo de arritmia entre 10.000 muestras de ECG. Los resultados se han publicado en Nature Electronics.

"Hoy en día, la mayoría de los sensores recopilan datos y luego los envían a la nube, donde el análisis se realiza en servidores que consumen mucha energía antes de que los resultados finalmente se envíen al usuario - explica Mark C. Hersam, líder del estudio -. Este enfoque es increíblemente costoso, consume una cantidad significativa de energía y añade un retraso. Nuestro dispositivo es tan eficiente energéticamente que se puede implementar directamente en dispositivos electrónicos portátiles para la detección y el procesamiento de datos en tiempo real, lo que permite una intervención más rápida en emergencias sanitarias”.

El secreto detrás de este novedoso dispositivo es su capacidad de sintonización sin precedentes, que surge de una mezcla de materiales. Mientras que las tecnologías tradicionales utilizan silicio, el equipo de Hersam diseñó transistores miniaturizados a partir de disulfuro de molibdeno bidimensional y nanotubos de carbono unidimensionales. Así, en lugar de necesitar muchos transistores de silicio (uno para cada paso del procesamiento de datos), los transistores reconfigurables son lo suficientemente dinámicos como para alternar entre varios pasos.

Hersam imagina que, con el tiempo, estos dispositivos nanoelectrónicos podrían incorporarse a los dispositivos portátiles cotidianos, personalizados según el perfil de salud de cada usuario para aplicaciones en tiempo real. Permitirían a las personas aprovechar al máximo los datos que ya recopilan sin grandes necesidades energéticas.

"Las herramientas de inteligencia artificial están consumiendo una fracción cada vez mayor de la red eléctrica – concluye Hersam -. Es un camino insostenible si seguimos dependiendo del hardware informático convencional".