Los investigadores de la Facultad de Ingeniería de la Universidad Estatal de Oregón lograron recientemente un avance importante al desarrollar un chip más eficiente para abordar el alto consumo de energía en aplicaciones de modelos de lenguaje grandes de inteligencia artificial como Gemini y GPT-4. Esta innovación fue completada conjuntamente por el estudiante de doctorado Ramin Javadi y el profesor asociado de ingeniería eléctrica Tejasvi Anand, y se presentó en la Conferencia IEEE de Circuitos Integrados Personalizados en Boston.

"Diseñamos y fabricamos un nuevo chip cuyo consumo de energía es la mitad del de los diseños tradicionales", dijo Ramin Javadi. Señaló que, a medida que crecen las demandas de tasas de datos, la energía requerida para transmitir un solo bit no ha disminuido en consecuencia, lo que es la principal causa del enorme consumo de electricidad en los centros de datos.

El diseño del nuevo chip se basa en principios de inteligencia artificial, lo que reduce significativamente el consumo de energía en el procesamiento de señales. Javadi explicó que los modelos de lenguaje grandes requieren enviar y recibir cantidades masivas de datos a través de enlaces de comunicación por cable de cobre en los centros de datos, un proceso que consume mucha energía. Por lo tanto, desarrollar chips de comunicación por cable más eficientes se ha convertido en una solución urgente.

Durante la transmisión de datos a alta velocidad, los datos en el lado receptor a menudo se dañan y necesitan ser limpiados. Los sistemas de comunicación por cable tradicionales suelen usar ecualizadores que consumen mucha energía para esta tarea. Sin embargo, Javadi y su equipo están utilizando principios de inteligencia artificial en el chip, entrenando clasificadores en el chip para identificar y corregir errores, recuperando datos de manera más inteligente y eficiente.

Actualmente, Javadi y Anand están trabajando en el desarrollo de la próxima generación de este chip, con la esperanza de optimizar aún más el diseño y mejorar su eficiencia energética. Este resultado de investigación no solo proporciona un fuerte apoyo para la sostenibilidad de las aplicaciones de inteligencia artificial, sino que también abre nuevos caminos para el funcionamiento eficiente de los futuros centros de datos.