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
Una ventana al interior de los chatbots ayuda a anticipar conductas problemáticas
Un estudio del MIT probó una interfaz que muestra señales internas de un chatbot antes de usarlo y encontró que puede ayudar a anticipar rasgos como complacencia excesiva, toxicidad o empatía aparente.
Un método permite auditar modelos de IA sin generar material ilegal
Investigadores de MIT desarrollaron una técnica para detectar si un modelo generativo fue adaptado para producir material ilegal, sin pedirle nunca que lo genere.
Los modelos de lenguaje ya pueden anticipar resultados de experimentos sociales
Un estudio en Nature halló que modelos de lenguaje como GPT-4 pueden prever, con bastante acierto, el resultado de muchos experimentos de ciencias sociales.
Más de la misma fuente
Ver mas
Una cueva de los Pirineos pudo funcionar como campamento minero hace 5.500 años
Un estudio arqueológico sugiere que una cueva a más de 2.200 metros de altura fue visitada durante siglos y pudo estar ligada a trabajos tempranos con minerales de cobre en los Pirineos.
Un sistema binario extremo ayuda a explicar una clase de señales cósmicas repetitivas
Un estudio en Nature Astronomy vinculó pulsos de radio de período largo con una enana blanca que extrae material de una estrella vecina, una pista clave para entender un fenómeno raro del cielo.
El telescopio Roman podría detectar estrellas de neutrones invisibles
Simulaciones sugieren que el telescopio espacial Roman podría hallar y medir estrellas de neutrones aisladas mediante microlentes gravitacionales y pequeños desplazamientos estelares.
Más del mismo autor
Ver mas
El LHC encuentra nuevas pistas del plasma primordial en choques de oxígeno
Las cuatro grandes colaboraciones del LHC detectaron nuevas señales de plasma de quarks y gluones en colisiones de oxígeno y neón, lo que sugiere que ese estado extremo puede surgir en sistemas más pequeños.
Los castigos previos pueden dificultar aprender de las recompensas
Un estudio con 159 participantes encontró que, cuando una misma opción arrastra un historial de castigos, aprender de sus recompensas se vuelve más difícil y aumenta la exploración.
Lantana camara: una planta invasora que se propaga sin diversidad genética
Un estudio con 359 plantas de India reveló que Lantana camara, una de las especies invasoras más problemáticas del mundo, se reproduce principalmente por autofecundación y existe como líneas genéticas idénticas.