La IA emite grandes cantidades de CO2 al procesas información, por lo que se requiere de una solución que optimice el uso de energía y reduzca las emisiones.
Investigadores del University College London (UCL) crearon un sistema de redes neurales que multiplicaría 1000 veces la eficiencia energética de la inteligencia artificial (IA). Así lo sugiere un estudio publicado en la revista Nature Communications.
Te puede interesar: 5 beneficios de usar la inteligencia artificial para mejorar procesos en la empresa
Hoy en día, el uso de esta tecnología implica un alto consumo de energía. De hecho, entrenar a un modelo de IA genera 284 toneladas de dióxido de carbono (CO2), equivalente a las emisiones de cinco carros durante toda su vida útil.
A fin de optimizar el consumo energético es necesario reemplazar los actuales transistores por los memristores. Estos dispositivos pueden reducir la producción de CO2 a una fracción de tonelada.
Los científicos de la UCL crearon un sistema electrónico inspirado en el cerebro humano para mejorar el desempeño de la inteligencia artificial. Resulta que esta “computadora” facilita que los memristores trabajen de forma conjunta en varios subgrupos de redes neurales capaces de promediar sus cálculos y por ende, cancelar cualquier fallo que se presente.
Estos dispositivos ofrecen una mayor eficiencia porque operan no solo mediante código binario entre unos y ceros. También lo hacen a múltiples niveles entre cero y uno de forma simultánea. En consecuencia, son capaces de almacenar más información por cada bit.
Actualmente, los sistemas computacionales desperdician demasiada energía durante la transferencia de datos. Por ello, en los memristores el procesamiento y la memoria ocurren en los mismos bloques adaptativos.
“Esperábamos que pudiera haber un enfoque más genérico que mejorara el comportamiento no solo a nivel de dispositivo, sino también de comportamiento”, comentó Adnan Mehonic, investigador de la UCL quien dirigió el estudio. “Nuestro enfoque demuestra que, cuando se trata de memristores, más cabezas trabajan mejor que una”.
Mehonic agregó que fragmentar las redes neurales en otras redes más pequeñas permite lograr una mejor precisión a la hora de procesar información.
Por su parte, Tony Kenyon, coautor del estudio, señaló que han trabajado durante años en el desarrollo de los memristores. Como resultado, estos deben “tomar un rol más activo para generar mayor eficiencia y sustentabilidad energética en la era del Internet de las cosas y el edge computing”.
Lee también: 4 ventajas de usar la inteligencia artificial para transformar la producción
A medida que la inteligencia logre una mayor eficiencia energética será más más sencillo que esta tecnología sea aplique e integre en la vida cotidiana. Sería muy paradójico que lA quiera resolver problemas de consumo de energía, cuando primero tendría que demostrar su efectividad en la reducción y ahorro.
