Cuando el suministro de chips de memoria de acceso aleatorio (RAM) comenzó a escasear y los precios se dispararon el año pasado, los jugadores de videojuegos fueron de los primeros en quejarse. Ahora, según *Nature*, esta crisis, que se prevé que dure hasta 2027, también está empezando a afectar a algunos científicos.

La escasez de RAM se debe al auge de los sistemas de inteligencia artificial (IA), que han impulsado una enorme demanda de chips de memoria de alta velocidad. Para 2025, el precio de algunos tipos de RAM se había triplicado, lo que preocupa a los laboratorios con recursos limitados que ya tenían dificultades para acceder a potentes herramientas informáticas.

«La investigación científica depende cada vez más de una infraestructura informática a gran escala», afirma Matteo Rinaldi, director del Instituto de Innovación en Nanosistemas de la Universidad Northeastern. «Y muchas de estas tareas computacionales requieren una enorme capacidad de memoria».

Los chips de RAM proporcionan almacenamiento temporal para los datos en uso, lo que permite a los procesadores acceder rápidamente a la información que necesitan. Los chips de memoria utilizados en IA son mucho más complejos que los de las computadoras personales, y la creciente demanda ha llevado a los fabricantes de chips a destinar gran parte de su capacidad de producción a los chips de alta capacidad necesarios para entrenar modelos de IA.

El resultado es un aumento en los precios tanto de los chips estándar como de las computadoras personales. HP, la compañía informática estadounidense, afirma que la memoria ahora representa más de un tercio del costo de fabricación de una computadora, en comparación con solo un 15% hace unos meses. Los expertos de la industria señalan que, incluso con el cambio en el enfoque de la producción hacia chips de alta capacidad, estos chips siguen escaseando. Los fabricantes podrían necesitar 18 meses o incluso más para aumentar la producción.

Rinaldi afirma que los laboratorios con buena financiación podrían permitirse este costo adicional. Sin embargo, es probable que los altos precios de los chips de memoria y la infraestructura de computación en la nube aumenten las barreras existentes, dificultando el acceso de los investigadores en regiones menos desarrolladas a los recursos necesarios para la IA y otros modelos informáticos complejos.

Pravallika Sree Rayanoothala, fitopatóloga india, afirma que, debido a la escasez de recursos, ella y sus colegas han tenido que reducir el número de cultivos que estudian. Su investigación busca predecir los riesgos de enfermedades en los cultivos mediante modelos basados ​​en grandes conjuntos de datos. Para reducir aún más la compra de servicios de almacenamiento en la nube, cada vez más caros, el equipo de Rayanoothala divide primero los datos en varias partes y luego los modela por separado. Explica que, si bien este método funciona, ralentiza el análisis de datos.

Rinaldi señaló que, incluso en entornos con más recursos, los investigadores buscan maneras de mejorar la eficiencia. Por ejemplo, los científicos que dependen de datos de sensores están pasando cada vez más de sensores que generan datos continuamente a aquellos que se activan solo cuando es necesario.

Otros estudian meticulosamente algoritmos para encontrar maneras de reducir los requisitos de RAM. «Antes, la memoria era muy barata, por lo que no había incentivos para conservarla», dijo Eben Upton, fundador y director ejecutivo del fabricante británico de ordenadores Raspberry Pi. «Ahora es diferente».

Una forma de mejorar la eficiencia computacional es integrar la RAM con el procesador, capaz de realizar cálculos en el mismo chip. Onur Mutlu, investigador de arquitectura informática en la ETH Zúrich, señala que este enfoque, conocido como «diseño de memoria cercana», reduce la necesidad de que las máquinas transfieran datos durante los cálculos, una ineficiencia actual que incrementa los requisitos de memoria.

La investigación de Mutlu y sus colegas demuestra que combinar el diseño de memoria cercana con algoritmos mejorados puede aumentar la eficiencia del análisis genómico y reducir el consumo de energía y hardware necesario para el proceso. Sin embargo, afirma que la adopción generalizada de estos métodos podría presentar dificultades, ya que requieren grandes inversiones por parte de los fabricantes.

No obstante, Rinaldi cree que «la escasez de RAM podría ser precisamente lo que algunos necesitan como motor de cambio. Si bien la escasez de suministro puede causar caos, también puede acelerar el diseño de modelos de memoria más eficientes y crear más oportunidades para la comunidad investigadora».