Nuevo método de IA reduce el consumo energético 100 veces y aumenta la precisión

Una forma más inteligente de pensar

A medida que la inteligencia artificial devora porciones cada vez mayores de la electricidad mundial, un equipo de la Universidad de Tufts ha presentado un enfoque fundamentalmente diferente que podría reducir el consumo de energía de la IA hasta 100 veces, al tiempo que hace que los sistemas sean más precisos. La investigación, dirigida por el profesor Matthias Scheutz y publicada en arXiv en febrero de 2026, se presentará en la Conferencia Internacional sobre Robótica y Automatización en Viena este mes de mayo.

El avance se centra en la IA neurosimbólica, un método híbrido que combina las redes neuronales convencionales con el razonamiento simbólico similar al humano. En lugar de aprender puramente a través de la correspondencia de patrones por fuerza bruta en millones de ejemplos, el sistema aplica reglas lógicas, conceptos abstractos como la forma y el equilibrio, y una planificación estructurada paso a paso, muy parecido a la forma en que las personas resuelven los problemas.

Resultados espectaculares

Los investigadores probaron su sistema en el rompecabezas de la Torre de Hanói, un punto de referencia clásico de resolución de problemas que exige una planificación secuencial cuidadosa. Los resultados fueron sorprendentes:

• El sistema neurosimbólico logró una tasa de éxito del 95%, en comparación con solo el 34% de un modelo estándar de visión-lenguaje-acción (VLA).
• En una variante más compleja, nunca antes vista, obtuvo un 78%, mientras que el modelo convencional logró un 0%.
• El entrenamiento tomó solo 34 minutos, frente a más de 36 horas para el enfoque estándar.
• El consumo de energía durante el entrenamiento se redujo a aproximadamente el 1% del modelo convencional, y el uso de energía operativa se redujo a aproximadamente el 5%.

"Un VLA neurosimbólico puede aplicar reglas que limitan el ensayo y error durante el aprendizaje y alcanzar soluciones mucho más rápido", dijo Scheutz.

Por qué es importante ahora

El momento no podría ser más urgente. Según la Agencia Internacional de Energía, los sistemas de IA y los centros de datos consumieron aproximadamente 415 teravatios-hora de electricidad en los Estados Unidos en 2024, más del 10% de la producción total de la nación, y se espera que esa cifra se duplique para 2030.

El mundo empresarial ya está compitiendo para asegurar el suministro energético. En enero de 2026, el gigante energético Vistra Corp acordó adquirir la flota de centrales eléctricas de gas natural de Cogentrix Energy por aproximadamente $4 mil millones, agregando 5.5 gigavatios de capacidad de generación en Nueva Inglaterra, Texas y la red que se extiende desde Nueva Jersey hasta Chicago. El acuerdo, que incluye $2.3 mil millones en efectivo y 5 millones de acciones de Vistra, subraya cómo el apetito insaciable de la IA por la electricidad está remodelando el sector energético.

La IA llega a la farmacia

Mientras tanto, la IA se está adentrando en territorios que antes estaban reservados exclusivamente para profesionales humanos. Utah se convirtió en el primer estado de EE. UU. en permitir que un sistema de IA renueve de forma autónoma las recetas médicas, asociándose con la plataforma de salud Doctronic en un programa piloto de un año. El sistema gestiona recargas de 30, 60 o 90 días para 190 medicamentos comúnmente recetados a un costo de $4 por renovación, sin necesidad de una visita al médico.

Se han incorporado medidas de seguridad: se excluyen los analgésicos, los inyectables y los medicamentos para el TDAH, y las primeras 250 recetas en cada clase de medicamentos requieren la revisión de un médico humano antes de que la IA opere de forma independiente. Varios otros estados, incluidos Texas y Arizona, están en conversaciones para seguir el ejemplo de Utah.

La eficiencia como camino a seguir

En conjunto, estos desarrollos pintan una imagen de una industria en una encrucijada. Las capacidades de la IA continúan expandiéndose a la atención médica, la robótica y la toma de decisiones, pero también lo hace su huella ambiental. Avances como el enfoque neurosimbólico de Tufts sugieren que la potencia computacional bruta puede no ser el único camino a seguir. Las arquitecturas más inteligentes que razonan en lugar de simplemente calcular podrían ser la clave para hacer que la IA sea sostenible a escala.