Investigadores diseñaron una IA que imita al cerebro humano y multiplica por cinco la eficiencia energética de los modelos actuales

Investigadores desarrollan una IA inspirada en el cerebro humano que quintuplica la eficiencia energética de modelos actuales

Un equipo de investigadores de instituciones de renombre ha presentado una innovadora arquitectura de inteligencia artificial (IA) que se inspira en el funcionamiento del cerebro humano. Este avance promete procesar secuencias largas con mayor velocidad y un consumo energético significativamente reducido, abordando una de las limitaciones más críticas de los sistemas actuales: la capacidad de mantener un contexto útil durante períodos prolongados sin incrementar el gasto energético ni las necesidades de memoria.

Las pruebas iniciales de esta nueva arquitectura han demostrado un rendimiento superior, con un aumento de más de cuatro veces en la capacidad de procesamiento y una mejora de más de cinco veces en la eficiencia energética en comparación con las implementaciones más avanzadas disponibles en el mercado.

La arquitectura se basa en redes neuronales de picos (SNN, por sus siglas en inglés), que son modelos de IA diseñados para emular la forma en que las neuronas biológicas se comunican. A diferencia de los sistemas tradicionales que procesan información de manera continua, las SNN operan mediante señales breves denominadas picos, lo que permite activar el cálculo únicamente cuando se producen cambios significativos.

Este enfoque orientado a eventos no solo reduce el consumo eléctrico, sino que también representa una solución a los desafíos de las versiones anteriores de estas redes, que a menudo perdían información útil con el tiempo, especialmente en condiciones de memoria limitada o restricciones energéticas. La nueva arquitectura se enfoca precisamente en superar esta limitación.

La propuesta de los investigadores busca mitigar la pérdida de contexto útil mediante un diseño integrado de software y hardware. El núcleo del sistema reproduce una característica observada en el cerebro humano: la coexistencia de procesos neuronales rápidos junto a otros más lentos que son capaces de conservar información durante períodos más prolongados.

Desde el punto de vista algorítmico, se ha desarrollado una red multicapa que combina una vía explícita de memoria lenta con actividad rápida basada en picos. Cada capa de esta red mantiene un estado compacto y de baja dimensión que resume la actividad reciente y modula la dinámica de los picos.

Este mecanismo no solo estabiliza el proceso de aprendizaje, sino que también conserva la dispersión inherente al procesamiento activado por eventos. Los investigadores han destacado que la nueva arquitectura alcanza una precisión competitiva en tareas que requieren el manejo de secuencias largas, utilizando entre un 40% y un 60% menos de parámetros en comparación con redes neuronales de picos equivalentes que se consideran estándares en el campo.

Este avance no se limita a un modelo matemático, sino que también incluye el diseño de un hardware específico optimizado para ejecutar esta arquitectura. Este hardware se centra en un enfoque de cálculo cercano a la memoria, lo que permite mantener un estado compartido compacto y mejorar el flujo de datos entre diferentes rutas.

La propuesta se presenta como una solución integral que combina software y hardware, aprovechando las ventajas de la doble vía de memoria al coordinar trayectorias de picos dispersos y trayectorias más estructuradas, lo que podría revolucionar el campo de la inteligencia artificial y su aplicación en diversas industrias. Este desarrollo es de particular relevancia para el mercado mexicano y latinoamericano, donde la eficiencia energética y la innovación tecnológica son clave para el crecimiento sostenible y la competitividad en el ámbito global.