Una idea de hace 20 años multiplica por 1.000 la eficacia de la IA
Es sobre todo la transferencia de datos la que provoca una gran parte del consumo de energía. Esto es aún más cierto en el caso de las enormes cantidades de datos con las que trabajan los algoritmos de inteligencia artificial.
Omitir este paso, que también se considera un cuello de botella entre la memoria y los procesos lógicos, tiene por tanto un enorme impacto. Y aquí es exactamente donde entra en juego una idea de 2003, desarrollada entonces en la Universidad de Minnesota.
Esto dio lugar a una colaboración entre numerosas disciplinas, desde la física hasta la ingeniería y la informática. El resultado fue una serie de circuitos que hoy se utilizan en relojes inteligentes y elementos de memoria.
También intervino la memoria computacional de acceso aleatorio, o CRAM. Esto permite el cálculo real y la ejecución de procesos paralelos directamente en la memoria principal y en ella en cualquier lugar.
Más que una nueva arquitectura
Además, no se trata de circuitos convencionales, sino de contactos túnel magnéticos que pueden utilizar el espín del electrón en lugar de la carga para conmutar entre 0 y 1.
En las aplicaciones basadas en la inteligencia artificial, esto se traduce en un consumo de electricidad de una milésima parte para conseguir finalmente el mismo resultado que con el método clásico. El consumo actual y previsto de electricidad de las redes neuronales en todo el mundo muestra hasta qué punto es enorme. Según la Agencia Internacional de la Energía, en 2022 se utilizaron 460 teravatios hora. Para 2026 como muy tarde, se espera que sea de 1.000 teravatios hora.
Con el gigantesco potencial de ahorro del 99,9%, quedarían 999 teravatios hora que ya no serían necesarios. Esto corresponde al consumo anual de electricidad de Japón, la cuarta economía mundial con 126 millones de habitantes.
Según el documento, éste ni siquiera sería el mejor resultado posible. Otras pruebas podrían reducir el consumo de energía en un factor de 1.700 o 2.500. Este aumento adicional de la eficacia es posible gracias a una adaptación específica del CRAM a los algoritmos individuales, que pueden calcularse aún más rápido y, por tanto, de forma más económica.
