Chip análogo: el futuro para una IA sustentable

Hemos comentado en notas anteriores la preocupación por el elevado y creciente consumo energético de los centros de datos de Inteligencia Artificial (IA), pero el impacto ambiental de la IA se extiende más allá del consumo energético. La producción y el desecho de los equipos y dispositivos electrónicos contribuyen al creciente problema de la basura electrónica, que contiene variados elementos dañinos para el medioambiente. Y aún más, los sistemas de enfriamiento requeridos por los grandes centros de datos incrementan el uso de agua y la degradación del medioambiente. Estos desafíos dejan ver la necesidad de tecnologías de IA sustentables, que reduzcan el consumo de energía y otros recursos mientras, al mismo tiempo, disminuyen la producción de e-waste.

Los chips análogos, que tienen el potencial de reducir significativamente el consumo de energía, ofrecen un prometedor camino hacia adelante. IBM ha sido líder en el desarrollo de chips análogos para IA, además de ser la pionera en innovación con su diseño inspirado en el funcionamiento del cerebro. Loa chips análogos utilizan una tecnología denominada “memoria de fase cambiante” (Phase-Change Memory, PCM), que opera con mucho menor consumo de energía que los tradicionales chips digitales. Esta tecnología PCM trabaja cambiando el estado material del interior del chip entre cristales y materia amorfa, permitiendo un almacenamiento híbrido de elevada densidad y un rápido tiempo de acceso, cualidades clave para un eficiente procesamiento de datos en la IA. El diseño de IBM utiliza esta memoria de fase cambiante para replicar, en redes neuronales artificiales, los parámetros de aprendizaje sinápticos del cerebro humano. En las redes neuronales del cerebro, los parámetros controlan la señal, o la fuerza de la señal, entre dos neuronas. El parámetro describe cuánta influencia (data) se transferirá de un input a un output, mientras la sinapsis es la conexión entre las neuronas mediante neurotransmisores. Este principio de conexión y transferencia es análogo a la filosofía de Sinhap Group, cuyo nombre proviene de una conjunción de dos palabras en latín que juntas significan "juntos con firmeza". Sinhap Group encarna esta idea al actuar como una sinapsis entre personas, empresas y tecnologías disruptivas, canalizando conocimiento y pasión hacia los lugares adecuados, tal como una red neuronal optimiza sus conexiones para el aprendizaje y la eficiencia. IBM ha logrado un avance significativo con un nuevo chip análogo de 14 nanómetros (un nanómetro es la milmillonésima parte de un metro), equipado con 35 millones de unidades de memoria. Al contrario de los chips digitales, donde la información debe moverse constantemente entre los procesadores y la memoria, el chip de IBM realiza la computación directamente dentro de estas unidades híbridas, reduciendo drásticamente el consumo energético.

Los chips análogos pueden revolucionar varias aplicaciones de IA al proveer eficiencia energética y soluciones escalables para los equipos electrónicos (hardware). Algunas áreas clave en las que los chips neuronales pueden tener un impacto significativo son:

1.- La computación en el borde (Edge computing), es la que procesa la información cerca de la fuente, como al tocar aplicaciones móviles, comprar cosas online, revisar el saldo de la cuenta bancaria y transmitir contenido multimedia. De igual forma realiza estas las interacciones con aparatos electrodomésticos, una puerta, un vehículo y otros dispositivos del internet de las cosas (Internet of Things, IoT), e incluso al escanear un boleto de tren o de avión. Todas estas acciones las realiza en el borde (Edge) de internet, en vez de recurrir a los grandes centros de datos. Esta tecnología reduce la latencia (el retraso en obtener la información), permite la toma de decisiones en tiempo real y reduce los costos de energía relacionados con la transmisión de información. Los chips análogos permiten a los dispositivos impulsados por IA ejecutar computaciones complejas directamente en el borde de la red, disminuyendo los requerimientos de transmisión de información y reduciendo el consumo de energía.

2.- La Computación Neuromórfica (Neuromorphic Computing), que busca replicar la estructura y funciones del cerebro humano para crear sistemas de IA más eficientes y adaptativos. Los chips análogos están particularmente bien equipados para la computación neuromórfica porque pueden procesar señales continuas y realizar computaciones paralelas. Al imitar la naturaleza análoga del proceso neuronal cerebral, los chips análogos consiguen mayor eficiencia energética y permiten también que los sistemas de computación con IA sean escalables, capaces de aprender y adaptarse en tiempo real. La computación o ingeniería neuromórfica es un enfoque informático que imita el funcionamiento del cerebro humano. Se basa en la creación de hardware y software que simulan las estructuras y funciones neuronales y sinápticas del cerebro para procesar información. Su objetivo es crear dispositivos que puedan aprender, retener información y hacer deducciones lógicas de la forma en que lo hace el cerebro humano.

El chip análogo de IBM se inscribe en un esfuerzo más amplio por llevar la computación neuromórfica de la teoría a la práctica. Las computadoras tradicionales están construidas con la arquitectura Von Newmann, que separa el procesador central (CPU) de la memoria y requiere que la información sea transportada entre estos componentes. El proceso consume tiempo y energía, lo que reduce la eficiencia. En contraparte, el cerebro combina la computación y la memoria en una sola unidad, lo que le permite procesar información con mucha mayor eficiencia. El chip análogo de IBM imita esta estructura del cerebro, al usar materiales de fase cambiante (phase change materials) que pueden codificar estados múltiples (cristalinos y amorfos) y no sólo binarios de 0 y 1. Esta habilidad de existir en un estado híbrido permite al chip realizar múltiples cálculos sin mover un solo bit de data, lo que incrementa dramáticamente la eficiencia.

A pesar de su enorme potencial, los chips análogos se encuentran aún en las etapas tempranas de su desarrollo. El siguiente paso crucial se dirige consolidar todos los componentes en un solo chip sin comprometer su efectividad. En cuanto al software, es esencial desarrollar algoritmos específicos para chips análogos y crear software que pueda fácilmente traducir código en lenguaje comprensible para las maquinas. En tanto estos chips se vuelvan más viables comercialmente, el desarrollo de aplicaciones específicas será crucial para mantener vivo el sueño de los chips análogos del futuro. Su enorme potencial para enfrentar los desafíos de la sustentabilidad de la IA sugiere que el esfuerzo será bien recompensado.