Un método desarrollado en una tesis doctoral de la Universidad de Málaga permite ejecutar algoritmos complejos de visión, biometría y diagnóstico médico en dispositivos de bajo consumo, con el objetivo de proteger la privacidad de los datos y reducir el gasto energético asociado a la inteligencia artificial.
Según ha informado la Fundación Descubre, el trabajo ha sido realizado por Paula Ruiz Barroso, integrante del grupo Computación de IA Escalable (SAIC), perteneciente al Instituto de Investigación en Ingeniería Mecatrónica y Sistemas Ciberfísicos de la Universidad de Málaga (IMECH.UMA). La propuesta se centra en trasladar modelos de aprendizaje profundo directamente a ordenadores, móviles, portátiles o dispositivos embebidos, sin necesidad de enviar información a servidores externos.
IA en dispositivos de bajo consumo
El enfoque se enmarca en la inteligencia artificial sin nube, un modelo que permite operar sistemas de lenguaje o de imagen en el propio equipo del usuario. Frente al despliegue centralizado en grandes infraestructuras de servidores, esta vía busca disminuir costes económicos, consumo energético y riesgos vinculados al tratamiento de datos personales.
La investigación aborda uno de los principales obstáculos de la computación en el borde: las limitaciones de memoria y capacidad de procesamiento de los dispositivos portátiles de bajo consumo. Para resolverlo, el grupo SAIC ha diseñado un marco metodológico integral de codiseño entre hardware y algoritmo.
La estrategia combina la compresión de modelos de inteligencia artificial con la optimización de su ejecución en arquitecturas informáticas heterogéneas. El objetivo es mantener la precisión de los sistemas y, al mismo tiempo, reducir el consumo de energía y el tiempo de respuesta.
Compresión de modelos y aprendizaje eficiente
La aportación principal del trabajo consiste en tratar de forma simultánea tres barreras habituales de la inteligencia artificial en dispositivos portátiles: la falta de datos etiquetados, la complejidad matemática de las redes neuronales y las restricciones físicas del hardware.
La metodología incorpora paradigmas de aprendizaje eficientes, entre ellos el aprendizaje no supervisado y el autosupervisado. Con estos enfoques, el sistema puede identificar patrones sin depender de que equipos humanos etiqueten previamente grandes volúmenes de datos.
Esta arquitectura lógica se completa con técnicas avanzadas de compresión, como la cuantización, la poda neuronal o pruning y la destilación de conocimiento. Además, incorpora estrategias de ejecución concurrente para aprovechar los distintos núcleos disponibles en el dispositivo embebido.
Pruebas en visión, biometría y salud
La metodología ha sido validada experimentalmente en tres ámbitos de alta exigencia técnica. En visión por computador aplicada a vídeo, se ha desarrollado un sistema capaz de descubrir, clasificar y rastrear objetos estáticos y en movimiento en tiempo real, sin que las imágenes hayan sido etiquetadas manualmente.
En reconocimiento biométrico por el modo de andar, la investigación ha adaptado arquitecturas complejas a modelos optimizados para identificar a varias personas en tiempo real según su forma de caminar. El desarrollo mantiene la precisión con un consumo reducido de tiempo de procesamiento y batería.
El tercer campo de aplicación es la detección precoz de patologías cardíacas en dispositivos vestibles. En este caso, los modelos analizan señales de electrocardiograma (ECG), se entrenan únicamente con patrones cardíacos sanos y detectan anomalías mediante desviaciones estadísticas calculadas directamente en el dispositivo local.
Resultados científicos y colaboración europea
La tesis es resultado de cuatro años de trabajo predoctoral de Paula Ruiz Barroso, bajo la dirección de los doctores Nicolás Guil Mata y Francisco Castro Payán. La investigación se ha defendido en el programa de Ingeniería Mecatrónica de la Universidad de Málaga y ha obtenido la calificación de sobresaliente cum laude.
Los resultados indican que la optimización aislada del software o del hardware no basta para llevar la inteligencia artificial al uso cotidiano, y apuntan a la necesidad de abordar ambas dimensiones de manera conjunta. El trabajo ha dado lugar a cuatro publicaciones en revistas de primer nivel Q1.
La investigación también ha propiciado colaboración con centros europeos, entre ellos la Escuela Politécnica Federal de Lausana (EPFL), en Suiza, donde Ruiz Barroso realizó una estancia de investigación. El desarrollo se orienta a posibles aplicaciones en sectores como la robótica, la salud y la seguridad.
