La inteligencia artificial en el borde (edge AI, por sus siglas en inglés) está permitiendo que el procesamiento de datos y la toma de decisiones se tome en tiempo real directamente en los dispositivos, reduciendo la latencia y el uso de ancho de banda a la vez que mejora la privacidad al minimizar la transmisión de datos a la nube. Sin embargo, su adopción generalizada ha enfrentado obstáculos técnicos significativos.
El proyecto DIME, que ha estado liderado por un equipo de investigación de IMDEA Networks bajo la coordinación de Joerg Widmer, director de Investigación, y Jaya Champati, profesor asistente de Investigación, ha concluido este año con unos resultados que allanan el camino hacia aplicaciones de inteligencia artificial en el borde más rápidas, seguras y sostenibles, con impacto en sectores clave como la salud, el transporte y las ciudades inteligentes.
Índice de temas
Mejora del rendimiento para decisiones en tiempo real
Una de las grandes limitaciones de los modelos de aprendizaje profundo (Deep Learning) en dispositivos como microcontroladores o smartphones ha sido entender cómo su implementación afecta al rendimiento en términos de consumo de energía, latencia y precisión. En este sentido, DIME ha realizado un estudio exhaustivo que ha medido estas variables en cinco dispositivos IoT, desde microcontroladores básicos hasta computadoras de placa única con capacidades avanzadas, como el Jetson Orin Nano. Este análisis permitió identificar estrategias para optimizar el rendimiento sin comprometer la calidad de las decisiones.
Además, abordó un problema crucial en aplicaciones críticas como dispositivos médicos e infraestructuras IoT: la falta de mecanismos para verificar la precisión de los modelos de IA en tiempo real. El equipo desarrolló un innovador algoritmo de aprendizaje en línea que compara de manera intermitente las decisiones de los modelos en los dispositivos con modelos más robustos en servidores periféricos. Este enfoque de Inferencia Jerárquica (Hierarchical Inference) permite corregir errores en tiempo real y sólo recurre al servidor cuando es estrictamente necesario, mejorando la eficiencia y reduciendo costes de transmisión de datos, explican desde el laboratorio.
Impacto global
“Los resultados del proyecto DIME están sentando las bases para una adopción masiva de la inteligencia artificial en el borde”, comenta Jaya Champati. Al reducir la dependencia de servidores en la nube, las tecnologías derivadas de este proyecto no solo aumentan la fiabilidad de la toma de decisiones, sino que también alinean la innovación tecnológica con objetivos de sostenibilidad energética. Esto es especialmente relevante en áreas remotas o desatendidas, donde la conectividad a internet es limitada.
La investigación ha generado interés internacional, inspirando colaboraciones con universidades de Canadá, India y Europa, y alcanzando visibilidad en conferencias de alto nivel como el ACM Symposium on Edge Computing y IEEE INFOCOM. Los datos y herramientas desarrollados en DIME también se han puesto a disposición de la comunidad científica a través de GitHub y serán propuestos como un estándar de referencia en tinyML por MLCommons, un organismo dedicado a acelerar la innovación en aprendizaje automático.
Democratización del acceso a soluciones IA de bajo coste
El impacto de DIME trasciende los logros técnicos. Al democratizar el acceso a soluciones de inteligencia artificial de bajo coste, el proyecto tiene el potencial de empoderar a pequeñas empresas, mejorar la calidad de vida de las personas y fomentar una mayor equidad digital. “DIME no sólo ofrece soluciones tecnológicas, sino que crea oportunidades para nuevas aplicaciones y empleos en sectores emergentes de IA”, concluye el investigador principal.
