Daniel Granados, Director Ejecutivo de IMDEA Nanociencia y Director del Clúster de Innovación Tecnológica y Talento en Semiconductores de la Comunidad de Madrid, prevé que la IA del futuro será híbrida y que la clave estará en los transductores capaces de interconectar todas las tecnologías involucradas
Inteligencia artificial cuántica: ¿Un sueño o una realidad?
La idea de la inteligencia artificial cuántica (IAC) suscita debate en la comunidad científica y tecnológica. Las opiniones divergen sobre lo que significa exactamente y si alguna vez se materializará.
Desde la iniciativa #FIBKVoices, que pretende acercar al público general a la comunidad de expertos de la Fundación Innovación Bankinter, exploramos las oportunidades y retos de la inteligencia artificial desde el punto de vista del hardware, con Daniel Granados, Director Ejecutivo de IMDEA-Nanociencia y Director del Clúster de Innovación Tecnológica y Talento en Semiconductores de la Comunidad de Madrid, quien plantea un par de preguntas provocativas: ¿Qué es la IA Cuántica?¿Es la que acelera el desarrollo de la computación cuántica o la que se ejecuta en un ordenador cuántico? Según Granados, la segunda definición puede ser algo utópica.
IA, arquitectura Von Neumann y tecnología CMOS: Un modelo a revisar
Granados señala que la IA contemporánea se ha desarrollado utilizando arquitectura Von Neumann con tecnología CMOS, apoyada por FPGAs rápidas y eficientes y procesadores gráficos (GPUs) capaces de realizar tareas como el reconocimiento de patrones o procesamiento de lenguaje natural (NLP). Aunque estos avances permiten la creación de centros de datos con una potencia de cálculo significativa y a un coste rentable, este modelo está generando un impacto ambiental preocupante. Por ejemplo, el consumo de energía de los centros de datos en Irlanda representó el 18% de toda la electricidad utilizada en 2022 en el país. Para Granados, el modelo de IA basada en arquitectura CMOS es insostenible y resalta la necesidad de una arquitectura de IA más eficiente
El desafío de la inteligencia artificial cuántica
La computación cuántica se ha postulado como una solución a este problema de eficiencia energética. Los ordenadores cuánticos se basan en una lógica, una física y unas tecnologías diferentes a las convencionales, lo que resulta en un consumo energético significativamente más bajo. No obstante, los ordenadores cuánticos presentan un conjunto único de desafíos para el uso de IA. Uno de los principales es mapear o traducir un problema desde el mundo analógico-digital al mundo cuántico. A medida que se añaden más qubits a un sistema, la complejidad de controlar los estados individuales de cada uno de ellos y de hacerlos interactuar entre sí crece exponencialmente. Además, se añade la complejidad del acceso a los repositorios de datos que necesita constantemente una IA, porque no es obvio cómo implementar o mapear la información de bases de datos en ordenadores cuánticos.
En cambio, en el corto plazo, la IA podría tener un altísimo impacto en el mundo cuántico precisamente en ayudar a traducir-mapear los problemas desde el mundo analógico-digital al mundo cuántico. Eso quizás es lo primero que vayamos a ver, nos dice este experto. La IA y el NPL serán intérpretes para pasar del mundo analógico/digital a los qubits cuánticos.
Nuevas perspectivas: hacia un futuro híbrido de la computación y de la IA
Granados imagina un futuro híbrido para las tecnologías de cálculo en general y para la IA en particular, en el que diversas tecnologías coexistirán y se comunicarán entre sí. Para él, este es el verdadero desafío del futuro: diseñar intérpretes que permitan la transmisión de información entre el mundo analógico, el digital, el cuántico, el fotónico y el neuromórfico.
Estos «intérpretes» no solo serán algoritmos, sino también componentes de hardware, transductores de señal, que deberán implementarse con tecnologías que, en muchos casos, aún están por inventar.
Ahora mismo nos encontramos en una fase de transformación, donde varias ramas de la computación que habían estado evolucionando independientemente, van a converger. Este momento, descrito como «mágico» por Granados, nos brinda una visión de una arquitectura computacional futura para la IA donde diversas tecnologías podrán trabajar juntas, complementándose entre sí.
El experto indica que el silicio y la arquitectura de computación von Neumann seguirán teniendo su lugar en el mundo tecnológico, con aceleradores de cálculos de distintos tipos, como las FPGAs programables y las GPUs, y se verán complementadas por la computación neuromórfica, la computación fotónica y la computación cuántica. Todos estos elementos forman parte de lo que él denomina la «aceleración del cálculo«; es la combinación de todas ellas las que nos permitirá afrontar retos de cálculo inabordables hasta la fecha, o simular propiedades fisicoquímicas de sistemas de gran complejidad, como las proteínas.
A estas arquitecturas de computación hay que añadir los sensores, incluyendo los cuánticos, que juegan un papel crucial, pues permitirán acceder a una cantidad de datos adicional con una precisión extraordinaria y que se convertirán en una fuente de datos en tiempo real para alimentar los sistemas de IA. La sensórica jugará un papel esencial en el futuro de la IA.
A todo esto, se suman los transductores de señal, que permitirán la conexión entre los sensores y los diferentes tipos de procesadores, y permitirán pasar de una tecnología a otra entre procesadores de un sistema multiprocesador. De hecho, se sugiere que muchos de estos elementos serán orquestados, muy probablemente, por un procesador de silicio convencional. Este “director de orquesta” se encargará de decidir en qué procesador y con qué tecnología es más eficiente resolver un cálculo. Por ejemplo, si no se necesita mucha precisión y hay que reconocer un patrón, se dará juego a un procesador neuromórfico y si se requiere una optimización de rutas compleja, se dará juego a un procesador cuántico.
El experto anticipa un futuro en el que muchos chips trabajarán juntos en un sistema en chip (SoC), que contará con tecnologías y arquitecturas muy diversas. Sin embargo, no está claro si la computación cuántica va a formar parte de ese ecosistema de chips o si será un servicio en la nube, que será llamado por un módulo de un sistema SoC. Es lo más probable.
La gran promesa: computación neuromórfica
En el ámbito de la inteligencia artificial (IA), el experto señala que el cerebro humano sigue siendo el sistema más eficiente en términos de consumo y eficiencia, superando a la IA actual en tareas como la identificación de patrones. Intentar replicar la eficiencia del cerebro es un área de enorme interés, y hay una gran inversión financiera y científica en la búsqueda de maneras de hacer computación neuromórfica.
El cerebro es tan eficiente porque hay una serie de neuronas que trabajan de manera armónica y lo más importante: la base de datos (las neuronas de la memoria) y el procesador (las neuronas de procesamiento) están en el mismo lugar. En la arquitectura Von Neumann, los datos están en un sitio y el procesador en otro: cuando hace un cálculo, el procesador está llamando a la memoria constantemente para que le dé los datos, y es en ese proceso donde se gasta muchísima energía. Hay una serie de investigaciones y desarrollos tecnológicos orientados a hacer in memory computing, que tratan de poner el procesador todo lo cerca que se pueda de la memoria. Un paso más allá está la computación neuromórfica, que pretende entender cómo funciona un cerebro para intentar replicar su funcionamiento.
Las soluciones vendrán, probablemente, de nuevos materiales capaces de comportarse como las neuronas. La contrapartida de la eficiencia energética en la computación neuromórfica es reducir la precisión. Pero para identificar una matrícula, un coche, una persona, no necesitas gran precisión. La IA en algún momento va a cambiar de hardware: ya no se va a implementar en una FPGA o en una GPU CMOS porque tienen consumos energéticos insostenibles si se quisiese dar un servicio a gran parte de la población. Así que estamos en un momento fascinante para los científicos e ingenieros que se dedican a idear y desarrollar hardware sobre nuevo materiales que permitan hacer cálculos y procesos de IA generativa de una manera mucho más eficiente energéticamente, y por tanto más escalable y sostenible.
La Necesidad de talento tecnológico
Granados señala un obstáculo significativo para esta visión futurista: la falta de talento técnico. Las universidades no están produciendo ingenieros suficientemente rápido para satisfacer la demanda, lo que está limitando el crecimiento económico y la innovación tecnológica dentro de las tecnologías mencionadas. En el futuro próximo, nos enfrentamos a un escenario en el que el crecimiento económico y la sociedad de bienestar se van a ver limitadas por la falta de acceso al talento y escasez de fuerza de trabajo.
El desafío global: La energía
Además, Granados apunta que la energía es el principal desafío al que se enfrenta nuestra especie, mencionando al también experto del Future Trends Forum, Vaclav Smil. El consumo energético exponencial de cada nueva tecnología que se introduce es insostenible. En este sentido, la adopción masiva de la IA, sea cuántica, neuromórfica, fotónica o tradicional, estará condicionada por nuestra capacidad para hacerla económicamente viable y energéticamente sostenible. La nanociencia y la nanotecnología podrían desempeñar un papel clave en la sostenibilidad medioambiental.
El futuro de la IA: ¿Máquinas sintientes?
Por último, Daniel Granados prevé un futuro de la IA donde, si queremos que realice tareas sofisticadas en entornos cambiantes e imprevisibles, ésta debería convertirse en un ente sintiente, es decir, capaz de percibir su entorno mediante sensores y capaz de autorregularse en función de los datos provenientes de dichos sensores. Esta IA sintiente, podría tener los cinco sentidos que tiene el ser humano, probablemente con mayores rangos de sensibilidad, y más sentidos como, por ejemplo, la percepción de campos electromagnéticos, de tormentas solares, o de radiación ionizante, por mencionar sólo algunos. Si una máquina fuese capaz de sentir, sería capaz de ser inteligente en el sentido más amplio de la palabra, incluso, como dice el también experto del Future Trends Forum, Antonio Damasio, podría tener conciencia.
