Desarrollo de un chip inspirado en el cerebro humano revoluciona la eficiencia de la IA

Investigadores de la Universidad Loughborough, en el Reino Unido, han creado un chip que imita la conectividad irregular del cerebro humano, lo que podría hacer que algunas tareas de Inteligencia Artificial (IA) sean hasta 2.000 veces más eficientes energéticamente. Este avance podría solucionar uno de los grandes problemas de la IA: su creciente necesidad de recursos energéticos.

La eficiencia energética como reto

La IA está multiplicando su potencia, pero también su demanda eléctrica. El equipo británico propone una ruta distinta: llevar parte del cálculo al propio material. Su chip usa nanoporos y memoria física para convertir datos cambiantes en patrones más fáciles de analizar.

Un enfoque innovador

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.

El secreto detrás del chip

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.

Resultados prometedores

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. Estos resultados sugieren que el chip podría ser una herramienta valiosa para aplicaciones de IA.

Limitaciones y futuro

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.

Hacia un crecimiento sostenible de la IA

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. Esto podría llevar a una IA más eficiente, escalable y sostenible.

Referencias

Scalable Platform Enabling Reservoir Computing With Nanoporous Oxide Memristors for Image Recognition and Time Series Prediction. Joshua Donald et al. Advanced Intelligent Systems (2026). DOI: https://doi.org/10.1002/aisy.202500833