Investigadors de la UOC desenvolupen un model d'IA de baix consum i alt rendiment

No existeix intel·ligència artificial sense energia: un centre de dades dedicat en exclusiva a productes i serveis d'IA consumeix avui tanta electricitat com 100.000 llars, segons l'Agència Internacional de l'Energia (AIE). En els últims anys, la intel·ligència artificial ha deixat de pertànyer en exclusiva al món de la recerca per conquistar cada vegada més espais de la nostra vida i això ha vingut acompanyat d'un augment important de les seves necessitats d'energia. D'acord amb l'AIE, els centres de dades consumeixen en l'actualitat un 1,5 % de tota l'electricitat produïda en el món i, si no canvia res, la seva demanda d'energia es duplicarà d'aquí al final de la dècada.

En el camí perquè canviï alguna cosa i es redueixi la petjada energètica de la IA, dos treballs de la Universitat Oberta de Catalunya (UOC), amb la participació dels investigadors Fernando Sevilla Martínez i Laia Subirats Maté, del grup NeuroADaS Lab (Cognitive Neuroscience and Applied Data Science Lab), proposen sengles alternatives cap a una IA més sostenible i eficient i, també, més assequible. Els articles han estat publicats en obert a IEEE Networking Letters i a l′International Journal of Intelligent Systems.

"L'eficiència energètica ha de passar a ser un paràmetre central en el disseny de la IA. No es tracta només de fer models més ràpids o amb millor rendiment, sinó de fer-los sostenibles, ètics i accessibles", assenyala Subirats Maté, també professora agregada dels Estudis d'Informàtica, Multimèdia i Telecomunicació de la UOC. "Dissenyar IA energèticament eficient no solament beneficia el planeta, sinó que també permet desplegar IA en dispositius petits com ara robots i sensors, reduir els costos d'operació de les empreses i els centres de dades i millorar la resiliència en entorns amb connectivitat o energia limitades".

Xarxes neuronals més ecològiques

El primer dels treballs publicats, liderat des de la UOC pel doctorand Fernando Sevilla Martínez i amb la participació de la Universitat Autònoma de Barcelona, el Centre de Visió per Computador (CVC/UAB), el Centre Tecnològic de Telecomunicacions de Catalunya (CTTC) i el grup Volkswagen, ha demostrat que és possible desenvolupar xarxes neuronals d'impulsos (un tipus d'IA que imita el funcionament del cervell humà) de baix consum i d'alt rendiment utilitzant components econòmics i accessibles, com Raspberry Pi 5 i l'accelerador BrainChip Akida. Aquest estudi obre el camí cap a xarxes distribuïdes d'intel·ligència artificial eficients energèticament, aplicables en camps com el transport, el monitoratge ambiental o l'internet de les coses (IoT) industrial.

"La metodologia que proposem permet entrenar, convertir i executar aquests models de xarxes neuronals d'impulsos sense necessitat d'una unitat de processament gràfic ni de connexió a un centre de dades o al núvol, amb un consum de menys de deu watts d'energia", detallen els autors. "A més, gràcies a altres tecnologies com Message Queuing Telemetry Transport, Secure Shell i comunicació Vehicle-to-Everything, diversos dispositius poden col·laborar entre si en temps real, i compartir resultats en menys d'un mil·lisegon i amb una despesa energètica de tot just deu a trenta microjoules per operació".

D'acord amb els investigadors, això no solament té implicacions des del punt de vista del consum energètic, sinó també des del punt de vista social i ètic, ja que permet que la IA estigui a l'abast de qualsevol persona i reforça la privacitat de les dades. Això fa que les escoles o els hospitals, les zones rurals amb infraestructura limitada o els grups de ciutadans amb pocs recursos puguin utilitzar una intel·ligència artificial eficient, sostenible, accessible i distribuïda.

Cap a una conducció autònoma eficient

El segon dels treballs, liderat també des de la UOC per Fernando Sevilla Martínez i amb els mateixos participants que l'anterior, analitza detalladament de quina manera les xarxes neuronals d'impulsos poden reduir el consum energètic dels sistemes de conducció autònoma, en comparació amb les xarxes convolucionals, molt utilitzades en sistemes de visió artificial com els que porten alguns vehicles autònoms. Per fer-ho, comparen totes dues tecnologies en tasques com la predicció d'angles de gir del volant o la detecció d'obstacles. La proposta dels investigadors passa també per introduir una nova manera de mesurar l'eficiència real dels sistemes, per aconseguir així un millor equilibri entre precisió i consum energètic.

"Les proves que hem dut a terme amb diferents arquitectures mostren que les xarxes neuronals d'impulsos amb una determinada codificació aconsegueixen un equilibri òptim entre rendiment i baix consum, i utilitzen entre deu i vint vegades menys energia que les xarxes convolucionals", expliquen els investigadors del grup NeuroADaS Lab de la UOC, adscrit a l'eHealth Centre. "Això demostra que les xarxes neuronals poden impulsar una IA més sostenible fins i tot sense la necessitat de maquinari especialitzat, la qual cosa marca una fita clau cap a una computació eficient en el transport intel·ligent i autònom", afegeixen.

D'acord amb els autors, tots dos estudis aporten dades valuoses en la recerca per aconseguir sistemes d'IA que consumeixin menys energia i, per tant, siguin també més assequibles i accessibles. "El primer treball aporta un flux de treball pràctic amb menys demanda elèctrica, menor generació de calor i la possibilitat de desplegar la IA directament sense centres de dades, l'anomenat edge computing", conclouen. "I el segon introdueix una mètrica que combina rendiment i consum energètic, la qual cosa ens permet impulsar el disseny d'una IA més sostenible".

Articles relacionats

Martínez, F.S., Casas-Roma, J., Subirats, L., & Parada, R. (2025) "Eco-Efficient Deployment of Spiking Neural Networks on Low-Cost Edge Hardware". IEEE Networking Letters https://doi.org/10.1109/LNET.2025.3611426.

Sevilla Martínez, F., Casas-Roma, J., Subirats, L., & Parada, R. (2025). "Energy-aware regression in spiking neural networks for autonomous driving: A comparative study with convolutional networks". International Journal of Intelligent Systems https://doi.org/10.1155/int/4879993.

Totes dues recerques, emmarcades en la missió de recerca de la UOC Salut digital i benestar planetari, afavoreixen els objectius de desenvolupament sostenible (ODS) de l'ONU número 9, indústria, innovació i infraestructures, 11, ciutats i comunitats sostenibles, i 13, acció per al clima.

Recerca amb impacte i vocació transformadora

A la UOC entenem la recerca com una eina estratègica per avançar cap a una societat de futur més crítica, responsable i inconformista. Des d'aquesta visió, desenvolupem una recerca aplicada, interdisciplinària i connectada amb els grans reptes socials, tecnològics i educatius. 

Els més de 500 investigadors i investigadores i els més de 50 grups de recerca de la UOC treballen al voltant de cinc unitats de recerca centrades en cinc missions: educació al llarg de la vida, tecnologia ètica i humana, transició digital i sostenibilitat, cultura per a una societat crítica, i salut digital i benestar planetari.

A més, la Universitat impulsa la transferència de coneixement i l'emprenedoria de la comunitat UOC amb la plataforma Hubbik.

Més informació: www.uoc.edu/ca/recerca