Nueva IA Inspirada en el Cerebro Aprende en Tiempo Real Utilizando Ultra Baja Energía

El cerebro humano es la supercomputadora más avanzada del mundo. Puede aprender y adaptarse simultáneamente sin el uso de enormes centros de datos como los sistemas de IA actuales. Este mes, un equipo de ingenieros del Departamento de Computación e Ingeniería Eléctrica de Texas A&M y otras instituciones líderes presentó un sistema de IA inspirado en el cerebro que podría desbloquear un mejor rendimiento y abrir la puerta a protocolos más inteligentes. Esto es lo que necesitas saber. 

Los Límites de la IA Tradicional y la Arquitectura de Turing

La inteligencia artificial es una de las industrias tecnológicas de más rápido crecimiento y más emocionantes del mundo. En pocos años, los algoritmos de IA pasaron de estar accesibles solo para ingenieros de alto nivel de Google y Microsoft a convertirse en una herramienta común para la persona promedio. A lo largo de este trayecto, los sistemas de IA han incrementado continuamente su rendimiento y capacidades. Junto a este aumento de rendimiento, también se ha producido un aumento en las capacidades de hardware. 

Cabe destacar que los sistemas de IA dependen de la arquitectura de Turing. Este estilo de computación lleva el nombre de su inventor, Alan Turing. Él ideó que las computadoras podrían ofrecer mejor rendimiento si ciertas partes de sus operaciones estaban separadas. 

Esta estructura significa que las computadoras tienen su procesamiento y memoria físicamente separados dentro del diseño del chip. Esta separación ha dictado el diseño de hardware de las máquinas desde entonces. Su visión para las computadoras sigue siendo la arquitectura más utilizada, a pesar de que han pasado décadas desde su descubrimiento. 

La Crisis Energética: Por Qué la IA Moderna Necesita un Nuevo Plano

El problema de este diseño es que los sistemas de IA requieren enormes cantidades de datos. En algunos casos, es necesario construir centros de datos completos desde cero, utilizando el hardware más avanzado como parte de los requisitos del sistema. Lamentablemente, esta estructura no es sostenible. 

Los grandes centros de datos son enormes consumidores de energía que pueden consumir tanta energía como ciudades enteras. En muchos casos, estos sistemas dependen de energía renovable, lo que ha ayudado a reducir el impacto ambiental. Sin embargo, la creciente demanda de sistemas de IA implica que se necesita una mejora en la eficiencia para que estos protocolos sean sostenibles en el futuro.

Por Qué los Modelos de IA Actuales No Pueden Adaptarse en Tiempo Real

Además, esta estructura significa que la escalabilidad de estos protocolos se basa en su hardware más que en sus limitaciones de software. Incluso el sistema más avanzado aún debe esperar a que los datos se envíen físicamente entre los componentes de hardware de un dispositivo. 

 Presentando una IA Super-Turing: Inspirada en el Cerebro Humano

Otra desventaja de los sistemas de IA basados en Turing es que dependen de puntos de datos preestablecidos. Los modelos actuales no ofrecen ninguna forma de modificar su rendimiento durante la operación. Estos sistemas dependen de los datos proporcionados para completar la retropropagación. 

Este enfoque difiere de tu cerebro, que utiliza una combinación de conocimiento y condiciones ambientales para hacer evaluaciones precisas con una fracción de la energía. Cabe destacar que es biológicamente imposible replicar la retropropagación porque requeriría que la persona ya hubiera experimentado la situación previamente. Reconociendo estos hechos, los ingenieros han buscado desarrollar un sistema de IA que imite el aprendizaje humano.  

Cómo los Resistores Sinápticos Aprenden Como Nuestros Cerebros

El estudio “HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system“¹ presenta un sistema de IA neuromórfico que puede imitar cómo aprende el cerebro para proporcionar adaptabilidad en tiempo real basada en las condiciones. El estudio fue presentado por un equipo de investigadores de UCLA, Texas A&M y otras instalaciones de investigación y se publicó en Science Advances. Para lograr esta tarea, el equipo creó un circuito “synstor” (resistor sináptico) que puede aprender como tu cerebro. 

Fuente – Texas A&M Department of Computer and Electrical Engineering

Eficiencia Similar al Cerebro: IA que Consume Microwatts, No Megawatts

Los ingenieros detrás de este estudio reconocen que el cerebro humano sigue estando muy por delante de la IA en muchos aspectos, como el consumo de energía y la flexibilidad. Los procesos neuronales del cerebro le permiten realizar funciones corporales complejas mientras se adapta simultáneamente a las condiciones cambiantes a tu alrededor. 

En términos de eficiencia energética, el cerebro humano solo requiere alrededor de 20 vatios para funcionar. En comparación, el sistema de IA avanzado de hoy puede consumir hasta 1 mil millones de vatios durante su operación. Este consumo de energía proviene de las vías de procesamiento y componentes, junto con la arquitectura de los sistemas de IA.  

 Comprendiendo la Plasticidad Sináptica en la Inteligencia Artificial

Los ingenieros comenzaron estudiando la plasticidad sináptica en los cerebros. Tu cerebro tiene millones de neuronas que impulsan tu memoria y aprendizaje. Estas áreas de comunicación donde los nervios se encuentran se llaman sinapsis. La plasticidad sináptica se refiere a la capacidad del cerebro para fortalecer conexiones que se usan con mayor frecuencia. También se refiere a la capacidad del cerebro para crear nuevas vías cuando se considera más eficiente. 

El Secreto del Cerebro: Cambiando Entre Modos Turing y Super-Turing

Curiosamente, los cerebros pueden operar tanto en modo Turing como en modo super-Turing. Mientras están en un estado operativo Turing, tu cerebro utilizará tareas y acciones preaprendidas. Cuando surgen escenarios inesperados o las condiciones cambian de manera impredecible, tu cerebro cambiará automáticamente a una postura super-Turing. Este enfoque permite que tu cerebro siempre se adapte a su entorno.

Cómo la IA Super-Turing Aprende y Se Adapta al Instante

Los científicos encuentran que este estado super-turing está en el núcleo de las capacidades únicas del cerebro. Utilizaron esta estructura para reinventar las arquitecturas de IA, imaginando un flujo operativo más parecido al humano donde el aprendizaje y la inferencia ocurren simultáneamente. 

Esta estrategia reduce considerablemente el consumo de energía. La eliminación de la necesidad de mover enormes cantidades de datos entre componentes de hardware reduce el consumo y mejora el rendimiento. También soporta la adaptabilidad en tiempo real mientras reduce el consumo de energía a niveles mínimos.

Dentro del Synstor: El Circuito Ferroelectrico que Imita el Aprendizaje Humano

En el núcleo de este estudio está la creación de un circuito sensor inclusivo capaz de procesar, aprender y operar simultáneamente de manera fluida.  El equipo fabricó un circuito de synstors basados en Hf0.5Zr0.5Ο2 como parte de su estudio.  

Este circuito construido a medida presentaba resistores sinápticos que integran materiales ferroelectricos HfZrO. Cabe destacar que los materiales ferroelectricos, como los óxidos de Hf, brindan a los ingenieros la capacidad de crear memorias analógicas no volátiles, compatibles con Si, y dispositivos neuromórficos escalables. 

Simulación de Drones: Humano vs IA vs Synstor

El equipo configuró una simulación de vuelo de drones y tuvo a una IA tradicional, a un humano y a un sistema de IA super-turing navegar la simulación para probar su teoría.  Antes de cualquier turbulencia u obstáculos, el circuito synstor, los operadores humanos y la ANN aprendieron con éxito a dirigir el dron hacia su posición objetivo sin problemas ni retrasos. 

Sin embargo, cuando se añadieron árboles o vientos fuertes a la ecuación, el rendimiento de todas las partes disminuyó. Específicamente, el humano y el sistema de IA con circuito synstor completaron la tarea. El sistema de IA tradicional no pudo adaptarse al nuevo entorno y no completó la prueba, ya que los obstáculos añadidos redujeron su rendimiento.

Adaptabilidad de la IA en Acción: Resultados del Curso de Obstáculos con Drones

El estudio mostró que los circuitos de resistores sinápticos recién desarrollados por los ingenieros soportan sistemas de IA Super-Turing eficientes y adaptativos que pueden navegar entornos reales inciertos y dinámicos. Examinaron por qué solo el dron controlado por humano y el impulsado por synstor pudieron completar el curso. Su éxito se debió a su capacidad de adaptarse al instante. 

Por Qué los Circuitos Synstor Representan un Avance en la IA Sostenible

Hay varios beneficios que un sistema de IA con circuito synstor podría aportar al mercado. En primer lugar, abrirá la puerta a opciones de IA más avanzadas y capaces. Estos protocolos serán capaces de inferencia y aprendizaje en tiempo real simultáneos, proporcionando un paso hacia los protocolos de IA de próxima generación. 

Eco-amigable: La arquitectura del sistema de IA de los ingenieros utiliza una fracción de la electricidad requerida para ejecutar protocolos de IA tradicionales. Este uso de energía mejorado permite a los sistemas Synstor AI reclamar el título de la arquitectura de IA más ecológica para datos. A medida que aumenta la demanda de estos servicios, también crecerá la necesidad de opciones sostenibles. 

Eficiencia: Los ingenieros lograron crear un sistema que imita el cerebro humano. Su enfoque reduce los requisitos de energía en todos los sistemas de IA y permite que los sistemas de IA maximicen su consumo de energía al ejecutar o entrenar nuevos modelos. 

Adaptabilidad: Uno de los principales beneficios de esta estructura de IA es su adaptabilidad. Los sistemas de IA necesitan volverse más rápidos y más adaptables para manejar la creciente cantidad de tareas que se les asignan. Desde pilotar tu coche eléctrico en casa hasta decidir qué canciones reproducir para ti, los futuros sistemas de IA tendrán en cuenta su entorno como parte de sus procedimientos de procesamiento. 

Aplicaciones Futuras: IA Similar al Cerebro en Automóviles, Dispositivos Portátiles y Tecnología Militar

El sistema de IA inspirado en el cerebro tiene el potencial de revolucionar la industria. Ofrece a los ingenieros la perspectiva de un desarrollo de IA sostenible y podría apoyar la creación de los sistemas autónomos avanzados del mañana. Esta tecnología también encontrará su camino en la robótica, los dispositivos portátiles y el sector médico.  

Computación Avanzada: Puedes esperar ver sistemas de IA avanzados que utilicen esta tecnología pronto. La reducción del consumo de energía reducirá los costos operativos de estos sistemas, convirtiéndolos en una opción atractiva frente al statu quo. Además, a medida que el diseño del chip synstor mejore, impulsará una mayor adopción. 

Militar: El sector militar es uno de los mayores defensores de la IA. Los sistemas de IA pueden ayudar en el seguimiento, la focalización, la planificación y la logística, mejorando las capacidades operativas de cualquier ejército que los utilice. En el futuro, verás sistemas de IA impulsando municiones de merodeo avanzadas y drones, y ayudando a los planificadores a mantener la conciencia situacional. 

Vehículos Autónomos: Uno de los escenarios de uso principales para la IA avanzada es pilotar vehículos autónomos. El sueño de autos totalmente autónomos ha tardado en consolidarse, pero los avances recientes han acercado la visión más que nunca. Este último avance en IA ayudará a mejorar el rendimiento y abrirá la puerta a vehículos autónomos más avanzados capaces de volar y más. 

Esta tecnología algún día ayudará a que las comunidades sean más seguras y tus tareas cotidianas más fáciles. Sin embargo, aún existen algunos detalles y obstáculos que la tecnología debe superar antes de llegar al mercado masivo. A pesar de los retrasos, se estima que la adopción comercial potencial ocurrirá en 5–10 años, con aplicaciones a corto plazo en tareas de IA especializadas de bajo consumo. 

Conoce al Equipo de Investigación Detrás de este Avance en IA

Ingenieros del Departamento de Computación e Ingeniería Eléctrica de Texas A&M y de la Universidad de California-Los Ángeles colaboraron para dar a conocer este estudio. Específicamente, Jungmin Lee, Rahul Shenoy y Atharva Deo lideraron la investigación. 

Contaron con la ayuda de un equipo de ingenieros, incluyendo a Sun Yi, Dawei Gao, David Qiao, Mingjie Xu, Shiva Asapu, Zixuan Rong, Dhurva Nathan, Yong Hei, Dharma Paladugu, Jian-Guo Zheng, J. Joshua Yang, R. Stanley Williams, Qing Wu y Yong Chen. Cabe destacar que el estudio recibió financiación de la Oficina de Investigación Científica de la Fuerza Aérea. 

 El Ángulo Comercial: Cómo NVIDIA y Otros Están Avanzando la IA Neuromórfica

La carrera de IA está en marcha, y las empresas competidoras están gastando miles de millones para intentar dominar el sector. La naturaleza relativamente disruptiva de la IA significa que hay nuevas oportunidades para que empresas como OpenAI aparezcan de la nada y aseguren un puesto destacado en el mercado. Aunque es muy difícil determinar quién será el próximo nuevo jugador en el sector, es fácil ver quién ha dominado el mercado en los últimos años.  

NVIDIA Corporation

NVIDIA (NVDA ) ingresó al mercado en 1993 y tiene su sede en California. El ahora mundialmente famoso fabricante de tarjetas gráficas 3D pionero en ASIC y otros diseños revolucionarios a lo largo de los años. Estas mejoras ayudaron a la empresa a rebrandearse de una firma de tarjetas gráficas para juegos a uno de los nombres más reconocidos en el sector de IA.

 El ascenso de NVIDIA no pasó desapercibido. Su acción ha experimentado un crecimiento considerable, y en junio de 2024, la empresa alcanzó una capitalización de mercado de 3 billones de dólares. Hoy, NVIDIA es líder en hardware de IA neuromórfica y de borde. Como tal, sigue muy involucrada en el diseño de la eficiencia de inferencia de IA y arquitecturas inspiradas en el cerebro. Aquellos que buscan una acción de IA fiable y probada deberían tomarse el tiempo para investigar más sobre NVIDIA. 

Para una mirada más cercana a NVIDIA, asegúrate de revisar nuestro foco sobre este gigante de la industria.

Últimas Noticias sobre NVIDIA Corporation

El Futuro de la IA: Inteligencia Natural, Ingeniería Artificial

Los ingenieros detrás de este estudio han desbloqueado un nuevo nivel en la capacidad de la IA. Su nuevo diseño de chip permitirá que la IA desarrolle algoritmos más rápidos e inteligentes. Estos sistemas algún día alimentarán casi todos los componentes de tu vida. Por ahora, esta investigación demostró cómo los científicos pueden encontrar inspiración en la naturaleza y el cuerpo humano para impulsar la innovación a nuevas alturas.. 

Conoce otros proyectos de IA interesantes ahora.

Estudios Referenciados:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}