La inteligencia artificial (IA) ha emergido como una herramienta poderosa, pero su integración en sistemas críticos plantea serios desafíos, especialmente en términos de fiabilidad y consumo energético. Este es el contexto en el que un equipo de la Escuela Técnica Superior de Ingenieros de Telecomunicación (ETSIT) de la Universidad Politécnica de Madrid (UPM) ha desarrollado dos innovaciones significativas: una metodología para la detección de errores y un esquema informático orientado a mejorar la eficiencia energética.
Los investigadores, que forman parte del Grupo de Internet de Nueva Generación, han colaborado con instituciones como la Universidad de Tianjin, la Universidad de Ciencia y Tecnología Electrónica de China y la Northeastern University en Estados Unidos para llevar a cabo estos proyectos.
Nuevas metodologías para la detección de errores en IA
La primera innovación, conocida como Detección Concurrente de Errores Lingüísticos (CLED), se fundamenta en un principio simple pero efectivo: los textos generados por modelos de lenguaje deben ser coherentes y respetar las normas del idioma. Cuando hay fallos en el hardware, los modelos tienden a producir textos con patrones anómalos. La metodología CLED permite identificar más del 87% de estos errores con un coste computacional inferior al 1%. El profesor Pedro Reviriego, coautor del estudio, señala que “la gran ventaja de CLED es que funciona incluso con modelos comerciales, a los que solo tenemos acceso a través de una API [interfaz de programación de aplicaciones]”.
Por otro lado, el esquema Longitud de Secuencia Ajustable (ASL) se enfoca en mitigar el consumo energético asociado a redes neuronales que utilizan computación estocástica. Esta técnica, ideal para dispositivos del Internet de las Cosas (IdC) por su bajo consumo energético, procesa datos como flujos de bits. ASL optimiza este proceso ajustando inteligentemente la precisión en cada capa neuronal: mantiene una alta precisión en las capas iniciales, mientras reduce esta precisión en las capas finales. Gracias a este enfoque, se han logrado ahorros energéticos y reducciones en latencia superiores al 60%, con una pérdida mínima de precisión.
Avances hacia una IA más segura y eficiente
“Estos desarrollos demuestran que es posible hacer que la IA sea más segura y eficiente sin comprometer su rendimiento”, afirma el profesor Javier Conde, también coautor del trabajo. Estos avances subrayan el compromiso continuo de la UPM por estar a la vanguardia en investigación sobre arquitecturas computacionales para sistemas inteligentes y sostenibles.
Con estas innovaciones, se abre un nuevo horizonte para la integración efectiva y responsable de la inteligencia artificial en sectores críticos, asegurando no solo su funcionalidad sino también su sostenibilidad.
Si (
No(
