Un nuevo enfoque que utiliza modelos de lenguaje natural está ampliando el uso de la inteligencia artificial en la informática de punta. Utilizando una tecnología avanzada de inteligencia artificial (IA), se pueden reconstruir grandes conjuntos de datos, como la temperatura del océano, con solo una cantidad muy pequeña de sensores desplegados en el campo. Este enfoque aprovecha la informática "de vanguardia" energéticamente eficiente y tiene una amplia gama de usos potenciales en diversos campos, incluida la industria, la investigación científica y la atención sanitaria.
Javier Santos, investigador del Laboratorio Nacional de Los Álamos, dijo: "Hemos desarrollado una red neuronal que nos permite representar un sistema grande de una manera muy compacta. Esta compacidad significa que requiere menos recursos informáticos que las arquitecturas de redes neuronales convolucionales de última generación, lo que la hace ideal para la implementación de campo en drones, matrices de sensores y otras aplicaciones informáticas de vanguardia, acercando la informática a su uso final".
Un nuevo enfoque de inteligencia artificial mejora la eficiencia computacional
Santos es el primer autor de un artículo publicado en Nature Machine Intelligence por un equipo de investigadores de Los Álamos que llaman a esta nueva tecnología de inteligencia artificial Senseiver. Este trabajo se basa en PerceiverIO, un modelo de inteligencia artificial desarrollado por Google, y aplica la tecnología de modelos de lenguaje natural como ChatGPT al problema de reconstruir información sobre vastas áreas (como los océanos) a partir de cantidades relativamente pequeñas de datos de medición.
El equipo de investigación se dio cuenta de que el modelo tenía amplias perspectivas de aplicación debido a su alta eficiencia. "Usar menos parámetros y menos memoria requiere menos ciclos de unidad central de procesamiento de computadora, por lo que funciona más rápido en computadoras más pequeñas", dijo el coautor del artículo Dan O'Malley, un investigador de Los Alamos.
En la primera validación publicada del modelo, Santos y sus colegas en Los Alamos demostraron su eficacia en conjuntos de datos dispersos del mundo real (lo que significa que la información obtenida de los sensores cubre solo una porción muy pequeña del área de interés) y en conjuntos de datos complejos de fluidos tridimensionales.
En una demostración de la utilidad de Senseiver en el mundo real, el equipo aplicó el modelo al conjunto de datos de temperatura de la superficie del mar de la Administración Nacional Oceánica y Atmosférica. El modelo es capaz de integrar décadas de grandes cantidades de datos de medición obtenidos de satélites y sensores a bordo. A partir de estas escasas mediciones puntuales, el modelo predice las temperaturas en todo el océano, proporcionando información útil para los modelos climáticos globales.
Llevando la inteligencia artificial a drones y redes de sensores
Senseiver se adapta bien a la variedad de proyectos y áreas de investigación de interés para Los Álamos.
"Los Álamos tiene amplias capacidades de detección remota, pero usar la IA no es fácil porque los modelos son demasiado grandes para caber en dispositivos en el campo, lo que lleva a la necesidad de computación de vanguardia", dijo Hari Viswanathan, investigador del Laboratorio Nacional de Los Álamos, científico ambiental y coautor del artículo de Senseiver. "Nuestro trabajo aporta los beneficios de la IA a los drones, las redes de sensores de campo y otras aplicaciones que actualmente están fuera del alcance de la tecnología de IA de vanguardia".
Los modelos de IA son particularmente útiles en el trabajo de laboratorio para identificar y caracterizar pozos sin mantenimiento. El laboratorio lidera el Consorcio para evaluar la tecnología de pozos de petróleo y gas perdidos (CATALOG), financiado por el Departamento de Energía, un programa federal encargado de identificar la ubicación y las características de los pozos indocumentados y sin mantenimiento y medir sus emisiones de metano. Viswanathan es el científico jefe de CATALOG.
Este enfoque proporciona capacidades mejoradas para aplicaciones prácticas a gran escala, como vehículos autónomos, modelado remoto de activos de petróleo y gas, monitoreo médico de pacientes, juegos en la nube, entrega de contenido y seguimiento de contaminantes.