La inteligencia artificial está consumiendo enormes cantidades de electricidad en Estados Unidos. Según la Agencia Internacional de Energía, los sistemas de IA y los centros de datos utilizaron aproximadamente 415 teravatios-hora de energía en 2024. Esto representa más del 10% de la producción total de electricidad del país, y se proyecta que la demanda se duplique para 2030.
Este rápido crecimiento ha generado preocupaciones sobre la sostenibilidad. En respuesta, investigadores de la Escuela de Ingeniería de Tufts han creado un sistema de prueba de concepto de IA diseñado para ser mucho más eficiente. Su enfoque podría reducir el uso de energía hasta 100 veces mientras también mejora el rendimiento en las tareas.
Un enfoque híbrido llamado IA neuro-simbólica
El sistema combina redes neuronales con razonamiento simbólico en un enfoque llamado IA neuro-simbólica. Las redes neuronales son buenas reconociendo patrones en datos complejos como imágenes, mientras que el razonamiento simbólico puede manejar lógica y reglas.
“Juntamos lo mejor de ambos mundos”, explican los investigadores. “Las redes neuronales manejan la percepción, y el razonamiento simbólico toma decisiones basadas en esa información”.
Eficiencia energética
El resultado es un sistema que requiere mucha menos energía. En pruebas con tareas robóticas, el sistema no solo usó menos energía sino que también fue más preciso.
Es importante señalar que esta es una prueba de concepto. Se necesita más investigación para desarrollar sistemas prácticos a gran escala.
Wikimedia Commons · Public domain · Fuente de imagen
Relacionadas por categoría
Ver mas
Un método combina mapas moleculares e imágenes para leer la organización de un tejido
SpaMOAL integra imágenes histológicas, ubicación y señales moleculares para distinguir regiones de un tejido con mayor detalle.
Un método busca que la IA generativa respete límites de seguridad sin reentrenarse
HardFlow guía modelos generativos para que sus resultados cumplan restricciones estrictas, como evitar choques en una trayectoria robótica, sin tener que volver a entrenarlos.
Un sistema ayuda a anticipar cuándo puede fallar un vehículo autónomo
Un método del MIT traduce en conceptos comprensibles parte del razonamiento de un vehículo autónomo y ayuda a que humanos anticipen mejor sus errores.
Más de la misma fuente
Ver mas
Una batería cuántica de laboratorio convirtió luz en corriente con un efecto colectivo
Un prototipo de microcavidad mostró que la potencia de carga y descarga puede crecer más rápido que el número de moléculas activas. Aún está lejos de una batería para dispositivos.
Veinticuatro especies nuevas revelan cuánto falta conocer del fondo del Pacífico
Un equipo describió 24 especies nuevas de pequeños crustáceos en una región abisal del Pacífico. El hallazgo ayuda a medir la biodiversidad antes de cualquier intervención en el fondo marino.
La forma de respirar puede influir en las decisiones que tomamos
Un estudio encontró que respirar lentamente con exhalaciones prolongadas hace que el cerebro sea más sensible a las recompensas, llevando a decisiones más arriesgadas.
Más del mismo autor
Ver mas
Un biorreactor sólido acerca mejor el metano a las bacterias
Unos andamios impresos en 3D mejoraron la conversión de metano en succinato en pruebas de laboratorio al evitar una barrera habitual de los reactores líquidos.
Así se degradan los escudos térmicos durante la reentrada
Imágenes de rayos X y análisis computacional muestran cómo cambia por dentro un material que se sacrifica para proteger naves durante la reentrada.
Un programa de reparación del intestino puede ayudar al cáncer colorrectal a diseminarse
Experimentos con organoides, ratones y datos de pacientes muestran cómo un programa normal de reparación puede facilitar la llegada de células tumorales al hígado.