Un chip que imita al cerebro humano nos acerca a una IA más eficiente y sostenible

Un chip inspirado en el cerebro podría hacer que algunas tareas de IA sean hasta 2.000 veces más eficientes energéticamente, solucionando uno de los grandes problemas de la inteligencia artificial: su creciente necesidad de recursos energéticos.

Investigadores de la Universidad Loughborough, en el Reino Unido, han desarrollado un dispositivo basado en memristores de óxido de niobio que procesa información directamente en hardware y, en ciertas tareas, podría consumir hasta 2.000 veces menos energía que los métodos convencionales.

En un momento en que la Inteligencia Artificial (IA) multiplica su potencia, pero también su demanda eléctrica, el equipo británico propone una ruta distinta: llevar parte del cálculo al propio material.

Su chip, inspirado en la conectividad irregular del cerebro humano, usa nanoporos y memoria física para convertir datos cambiantes en patrones más fáciles de analizar. El resultado, según los autores del estudio publicado en la revista Advanced Intelligent Systems, no es solo un avance técnico, sino una pista para diseñar sistemas de IA más pequeños, escalables y sostenibles.

La IA crece y requiere más eficiencia energética

El chip experimental es capaz de procesar datos que varían en el tiempo directamente en el propio dispositivo, sin depender por completo de software sobre ordenadores convencionales. El trabajo científico plantea que este enfoque puede ser hasta 2.000 veces más eficiente energéticamente en algunas tareas, aunque las ganancias reales dependen del caso de uso.

Según una nota de prensa, los investigadores enmarcan el hallazgo como una respuesta a un problema cada vez más visible: el crecimiento del consumo eléctrico de la IA a medida que aumentan su tamaño y complejidad.

La clave está en un memristor de óxido de niobio, con estructura de película delgada y nanoporos aleatorios. Esos poros generan múltiples trayectorias eléctricas internas, que actúan como una especie de capa oculta de red neuronal física.

Materiales con memoria para una IA más eficiente

En términos prácticos, el material no solo transporta corriente: también “recuerda” entradas pasadas y ayuda a transformar la señal. En las pruebas realizadas, el chip permitió predecir la evolución a corto plazo de un sistema caótico y reconstruir datos faltantes, además de identificar correctamente los dígitos y resolver las pruebas lógicas.

Sin embargo, el sistema está aún en una fase temprana y, por ahora, se ha validado con tareas relativamente simples. El siguiente paso será aumentar la complejidad de las redes, trabajar con datos más "ruidosos" y comprobar su rendimiento en escenarios reales.

En definitiva, si se busca un crecimiento sostenible de la IA es probable que parte de la respuesta no esté solo en mejores algoritmos, sino en materiales y diseños que le permitan "pensar" de otra manera.