Inteligencia Artificial Eficiente en Energía: Un Nuevo Amanecer con Computadoras Neuromórficas

El rápidamente creciente reino de la inteligencia artificial (AI) es renombrado por su rendimiento pero conlleva un costo energético sustancial. Un nuevo enfoque, propuesto por dos destacados científicos en el Instituto Max Planck para la Ciencia de la Luz en Erlangen, Alemania, apunta a entrenar la inteligencia artificial de manera más eficiente, potencialmente revolucionando la forma en que la inteligencia artificial procesa los datos.

Los modelos actuales de inteligencia artificial consumen vastas cantidades de energía durante el entrenamiento. Aunque las cifras precisas son esquivas, las estimaciones de Statista sugieren que el entrenamiento de GPT-3 requiere aproximadamente 1000 megavatios-hora —equivalente al consumo anual de 200 hogares alemanes de tamaño considerable—. Aunque este entrenamiento intensivo en energía ha afinado a GPT-3 para predecir secuencias de palabras, hay consenso en que no ha captado los significados inherentes de tales frases.

Computación Neuromórfica: Fusionando Cerebro y Máquina

Mientras que los sistemas de inteligencia artificial convencionales confían en redes neuronales artificiales digitales, el futuro puede residir en la computación neuromórfica. Florian Marquardt, director del Instituto Max Planck y profesor de la Universidad de Erlangen, elucidó la desventaja de los entornos de inteligencia artificial tradicionales.

“La transferencia de datos entre procesador y memoria consume sola una cantidad significativa de energía”, destacó Marquardt, señalando las ineficiencias al entrenar vastas redes neuronales.

La computación neuromórfica toma inspiración del cerebro humano, procesando los datos en paralelo en lugar de secuencialmente. Esencialmente, las sinapsis en el cerebro funcionan como procesador y memoria. Los sistemas que imitan estas características, como circuitos fotónicos que utilizan la luz para cálculos, están actualmente bajo exploración.

Entrenamiento de Inteligencia Artificial con Máquinas Físicas de Aprendizaje Automático

Trabajando junto con el estudiante de doctorado Víctor López-Pastor, Marquardt introdujo un método innovador de entrenamiento para computadoras neuromórficas. Su “máquina física de aprendizaje automático” optimiza fundamentalmente sus parámetros a través de un proceso físico inherente, haciendo que la retroalimentación externa sea redundante. “No requerir esta retroalimentación hace que el entrenamiento sea mucho más eficiente”, enfatizó Marquardt, sugiriendo que este método ahorraría tanto energía como tiempo de computación.

Sin embargo, esta técnica innovadora tiene requisitos específicos. El proceso debe ser reversible, asegurando una pérdida de energía mínima, y suficientemente complejo o no lineal. “Solo los procesos no lineales pueden ejecutar las transformaciones intrincadas entre los datos de entrada y los resultados”, declaró Marquardt, dibujando una distinción entre acciones lineales y no lineales.

Hacia la Implementación Práctica

El trabajo teórico de la dupla se alinea con aplicaciones prácticas. Colaborando con un equipo experimental, están avanzando en una computadora neuromórfica óptica que procesa la información utilizando ondas de luz superpuestas. Su objetivo es claro: materializar el concepto de la máquina física de aprendizaje automático.

“Esperamos presentar la primera máquina física de aprendizaje automático en tres años”, proyectó Marquardt, indicando que estas redes futuras manejarían más datos y serían entrenadas con conjuntos de datos más grandes que los sistemas contemporáneos. Dada la creciente demanda de inteligencia artificial y las ineficiencias intrínsecas de los entornos actuales, el cambio hacia computadoras neuromórficas entrenadas de manera eficiente parece tanto inevitable como prometedor.

En palabras de Marquardt, “Estamos seguros de que las máquinas físicas de aprendizaje automático tienen una sólida oportunidad en la evolución continua de la inteligencia artificial”. La comunidad científica y los entusiastas de la inteligencia artificial esperan con ansias lo que el futuro depara.