La creciente demanda energética de la inteligencia artificial (IA) podría reducirse en el futuro gracias a la computación neuromórfica, que se inspira en el funcionamiento del cerebro humano para optimizar el procesamiento y la gestión de datos. Sin embargo, expertos británicos señalan en el Parlamento que esta tecnología aún no está preparada para sustituir los actuales sistemas informáticos en los centros de datos.
El profesor Martin Trefzer, de la Universidad de York, explicó ante la Comisión de Ciencia, Innovación y Tecnología de la Cámara de los Comunes que la clave está en integrar memoria y procesamiento en un único sistema, imitando así la arquitectura cerebral. Esta combinación evita el constante movimiento de datos entre componentes separados, uno de los factores que más energía consume en los actuales servidores.
Según estudios recientes, la IA es el principal factor que impulsa el aumento del consumo eléctrico de los centros de datos, que podría más que duplicarse hasta alcanzar unos 945 teravatios hora (TWh) en 2030, superando ligeramente el consumo eléctrico total de Japón.
El cerebro humano no funciona como un ordenador digital riguroso, sino que es adaptable y robusto. Esa característica motiva a los investigadores a desarrollar sistemas de computación que puedan ajustar su funcionamiento y eficiencia según las circunstancias, lo que podría traducirse en una mayor sostenibilidad.
No obstante, la computación neuromórfica todavía es experimental y su complejidad implica que pasarán años antes de que pueda competir con tecnologías maduras como los modelos de lenguaje grande (LLMs) que se ejecutan en los centros de datos actuales, reconoció Trefzer.
En el corto plazo, la utilidad de esta tecnología podría estar en aplicaciones híbridas que complementen la informática convencional para hacerla menos costosa en términos energéticos. Un ejemplo es el desarrollo de dispositivos portátiles, como audífonos, que funcionen con substratos neuromórficos sensibles al sonido y capaces de procesar información de forma más eficiente al estilo cerebral. Esto permitiría descargar funciones del sistema digital principal hacia sensores más sofisticados y energéticamente más eficientes, potencialmente reduciendo el consumo en varios órdenes de magnitud.
La profesora Caterina Doglioni, de la Universidad de Manchester, añadió que aunque hay beneficios claros, también es necesario considerar la energía y emisiones asociadas a fabricar y desplegar más dispositivos en el borde de la red. Se requiere un análisis riguroso para identificar el punto en que estos sistemas resulten realmente sostenibles desde el punto de vista ambiental.
En definitiva, aunque la computación neuromórfica presenta un futuro prometedor para hacer la inteligencia artificial más eficiente y menos contaminante, su potencial real dependerá de encontrar aplicaciones prácticas y de evaluar cuidadosamente su impacto total en el entorno.
