Desarrollan IA de borde autoevolutiva para aprendizaje y pronósticos en tiempo real

Investigadores de la Universidad de Osaka, a través de su Instituto de Investigación Científica e Industrial (SANKEN), desarrollaron con éxito una tecnología de IA de borde "autoevolutiva" que permite capacidades de aprendizaje y pronósticos en tiempo real directamente en dispositivos compactos. Esta innovación, denominada MicroAdapt, logra una velocidad y precisión sin precedentes, procesando datos hasta 100,000 veces más rápido y alcanzando hasta un 60% más de precisión en comparación con los métodos de aprendizaje profundo convencionales.

Este avance representa un gran paso hacia aplicaciones de IA en tiempo real de próxima generación en sectores como la manufactura, IoT automotriz y dispositivos médicos portátiles, abordando limitaciones críticas de la IA dependiente de la nube existente.

La demanda de procesamiento de IA de alta velocidad en dispositivos de borde compactos y con recursos limitados, como sistemas embebidos en manufactura, IoT automotriz y dispositivos médicos implantables o portátiles, ha ido en aumento.

Anteriormente, la IA de borde implicaba típicamente el preentrenamiento de grandes modelos utilizando big data y aprendizaje profundo en extensos entornos en la nube. Estos modelos estáticos y fijos se desplegaban en dispositivos de borde únicamente para inferencia (predicción), no para aprendizaje. Este enfoque, aunque mejoraba la precisión con más datos, requería volúmenes masivos de datos, tiempo de procesamiento y energía, haciéndolo inadecuado para el procesamiento de datos en tiempo real o actualizaciones rápidas de modelos directamente en dispositivos pequeños.

Además, estos métodos dependientes de la nube enfrentan desafíos persistentes con costos de comunicación, privacidad de datos y seguridad. No se había logrado establecer una tecnología globalmente aceptada para el aprendizaje en tiempo real en entornos de borde compactos.

El grupo de investigación de la profesora Yasuko Matsubara desarrolló MicroAdapt, la IA de borde más rápida y precisa del mundo, capaz de aprendizaje y predicción en tiempo real dentro de estos pequeños dispositivos. A diferencia de la IA convencional que entrena modelos complejos y únicos sobre grandes datos en la nube, MicroAdapt opera de manera diferente.

Primero, descompone los flujos de datos temporales entrantes en patrones distintivos directamente en el dispositivo de borde. En segundo lugar, integra numerosos modelos livianos para representar colectivamente estos datos. En tercer lugar, inspirado en la adaptación de microorganismos, el sistema itera de manera autónoma y continua el autoaprendizaje, la adaptación ambiental y la evolución.

Identifica nuevos patrones, actualiza sus modelos simples y descarta los innecesarios, lo que permite el aprendizaje de modelos en tiempo real y la predicción futura. El trabajo fue publicado como parte de las Actas de la 31ª Conferencia ACM SIGKDD sobre Descubrimiento de Conocimiento y Minería de Datos V.2.

Este método de vanguardia ha demostrado una precisión de predicción superior y velocidad computacional, logrando hasta 100,000 veces más rápido en el procesamiento y un 60% más de precisión en comparación con las técnicas de predicción de aprendizaje profundo de última generación.

El equipo implementó con éxito este mecanismo de aprendizaje autoevolutivo en un Raspberry Pi 4. La implementación demostró su practicidad al requerir menos de 1.95GB de memoria y consumir menos de 1.69W de energía, todo mientras funcionaba en una CPU liviana sin GPUs potentes.

La profesora Yasuko Matsubara afirmó: "Nuestra IA de borde ultraligera y de alta velocidad para dispositivos pequeños permite diversas aplicaciones en tiempo real. Estamos avanzando en su uso práctico con socios de la industria en manufactura, movilidad y atención médica para un amplio impacto industrial".