Luis Eduardo Garza Elizondo, investigador mexicano del Tecnológico de Monterey, está desarrollando una de las líneas más prometedoras en el campo de la IA sostenible:
Algoritmos capaces de aprender directamente en dispositivos diminutos, como microcontroladores, sensores o robots pequeños, sin depender de nubes de cómputo ni grandes centros de datos.
Esto representa un novedoso paradigma, en un momento en el que los modelos de inteligencia artificial, están consumiendo enormes cantidades de energía.
Su proyecto, Tiny Reinforcement Machine Learning
Busca llevar el aprendizaje por refuerzo a sistemas embebidos con recursos extremadamente limitados, lo cual podría habilitar nuevas generaciones de robots autónomos, wearables capaces de anticipar riesgos a la salud o sensores industriales que aprenden en tiempo real sin conexión a la nube.
Posibles aplicaciones:
- Robots terrestres que aprendan a moverse desde cero, mejorando su desempeño por experiencia directa.
- Nuevos Modelos de IA con consumo energético radicalmente menor, diseñados para funcionar en hardware de tamaño pequeño, accesible y sostenible.
- Nuevas arquitecturas con múltiples microcontroladores, que permiten que varios agentes colaboren y compartan conocimiento.
El enfoque es relevante, pues abre la posibilidad de desarrollar tecnologías más seguras, eficientes y adaptables al entorno.