La computación inspirada en el cerebro podría ayudar algún día a frenar la creciente demanda energética de la IA, pero no cabe esperar que sustituya a corto plazo el hardware actual de los centros de datos, según se ha informado a los políticos del Reino Unido.

En declaraciones a los parlamentarios esta semana, Martin Trefzer, profesor de la Universidad de York, afirmó que los sistemas neuromórficos y otros sistemas bioinspirados podrían mejorar la eficiencia tomando como referencia los cerebros biológicos, donde la memoria y el procesamiento están integrados en lugar de dividirse en componentes separados.

Un análisis del año pasado indica que la IA es el principal factor que impulsará el consumo mundial de electricidad de los centros de datos a más del doble para 2030, alcanzando unos 945 teravatios-hora (TWh), una cifra ligeramente superior al consumo eléctrico total de Japón.

«El movimiento de datos es probablemente uno de los aspectos fundamentales que podemos aprender del cerebro. No tenemos un banco de memoria en un ordenador y un [procesador] en otro; todo forma un único sistema, y ​​eso es lo que sustenta su eficiencia», explicó Trefzer ante el Comité de Ciencia, Innovación y Tecnología de la Cámara de los Comunes.

Al mismo tiempo, el cerebro «no es un ordenador rígido que funcione bajo el ritmo de un reloj en un sistema digital».

«Esto nos motiva a construir sistemas informáticos que sean realmente adaptables, a hacerlos más robustos y a adaptarlos potencialmente para que sean más eficientes en determinadas circunstancias», señaló Trefzer.

Sin embargo, dada la complejidad de este modelo informático —todavía en fase experimental—, podría pasar mucho tiempo antes de que demuestre su valía como sustituto de los sistemas informáticos consolidados.

«Siempre se compara con una tecnología muy madura, como los modelos de lenguaje de gran tamaño (LLM) que operan en centros de datos, pero que acarrean todos los problemas de consumo energético y sostenibilidad», comentó.

La única forma en que tecnologías experimentales como la computación neuromórfica —inspirada en el cerebro— podrían tener un impacto práctico a corto plazo es mediante aplicaciones específicas que complementen a la computación convencional para hacerla más eficiente. «Tomemos como ejemplo un dispositivo vestible, como un audífono: actualmente, estos dispositivos se basan en un sustrato digital. Entrenamos los modelos sin conexión, pero cabe imaginar un sustrato neuromórfico sensible al sonido, con modalidades que permitan un funcionamiento computacional más inspirado en el cerebro. Así, se podría trasladar la funcionalidad del sistema digital al sensor —en este caso concreto—. Aquí es donde existe un potencial significativo para lograr una eficiencia energética muy superior, en varios órdenes de magnitud», señaló Trefzer.

A corto plazo, el impacto residirá en identificar casos de uso para la integración híbrida que aprovechen la tecnología actual y la optimicen.

Caterina Doglioni, profesora de física de la Universidad de Mánchester, también intervino ante el comité para señalar que estas ventajas deben sopesarse frente al coste energético y de carbono que supone desplegar más dispositivos en el borde de la red (*edge*), aunque podría existir un umbral a partir del cual un nuevo modelo resulte más eficiente.

«No quisiera ser quien plantee objeciones, pero es preciso considerar el coste —tanto económico como medioambiental— de fabricar estos dispositivos; no obstante, es posible alcanzar un punto de equilibrio en el que, a la larga, el resultado sea más favorable para la sostenibilidad ambiental, si bien esto requiere estudios previos», afirmó.