Investigadores de la Universidad de California, Los Ángeles (UCLA) han desarrollado modelos generativos ópticos que prometen revolucionar el campo de la inteligencia artificial (IA) y la fotónica. Este avance, publicado en la revista Nature, utiliza la física de la luz en lugar de la computación electrónica convencional, lo que podría reducir drásticamente el consumo energético de estas tecnologías.
Los modelos generativos actuales, como los modelos de difusión y los grandes modelos de lenguaje, son fundamentales para la revolución de la IA. Sin embargo, su rápido crecimiento conlleva un alto coste energético, un aumento en la huella de carbono y requisitos de hardware cada vez más complejos. La infraestructura necesaria para operar estos modelos plantea serias preocupaciones sobre su sostenibilidad a largo plazo.
Un enfoque innovador en la generación de imágenes
Dirigido por el profesor Aydogan Ozcan, el equipo de UCLA ha tomado un camino diferente. En lugar de depender únicamente de la computación digital, su sistema realiza el proceso generativo de forma óptica, aprovechando la velocidad y el paralelismo inherente de la luz para producir imágenes en una sola pasada. Este enfoque aborda uno de los principales obstáculos de la IA: equilibrar el rendimiento con la eficiencia.
Los modelos combinan un codificador digital superficial con un decodificador óptico difractivo de espacio libre, entrenados juntos como un único sistema. Primeramente, el ruido aleatorio se procesa en «semillas generativas ópticas», que se proyectan en un modulador espacial y se iluminan con luz láser. A medida que la luz se propaga a través del decodificador difractivo optimizado, se generan imágenes que siguen estadísticamente la distribución de datos objetivo.
A diferencia de los modelos de difusión digitales, que requieren cientos o miles de pasos iterativos, este proceso logra la generación de imágenes en un instante, sin necesidad de computación adicional más allá de la codificación inicial y la iluminación.
Los investigadores validaron su enfoque con resultados numéricos y experimentales en diversos conjuntos de datos, generando nuevas imágenes de dígitos manuscritos, artículos de moda, mariposas, rostros humanos e incluso obras de arte inspiradas en Vincent van Gogh. Los resultados ópticamente generados son estadísticamente comparables a los de modelos avanzados, mostrando la versatilidad y la calidad del nuevo enfoque.
Además, el equipo desarrolló dos marcos: modelos generativos ópticos instantáneos, que producen nuevas imágenes en una sola pasada óptica, y modelos generativos ópticos iterativos, que imitan la difusión digital para refinar los resultados. Esta flexibilidad permite realizar múltiples tareas en el mismo hardware óptico simplemente actualizando las semillas codificadas y el decodificador difractivo previamente entrenado.
Un aspecto notable de los modelos generativos ópticos es su capacidad para proporcionar privacidad y seguridad integradas. Un solo patrón de fase codificado, generado a partir de ruido aleatorio, puede ser iluminado con diferentes longitudes de onda, permitiendo que cada canal sea decodificado solo por su superficie difractiva única. Este mecanismo físico de «llave-bloqueo» asegura que los contenidos generados, multiplexados por longitud de onda, sean inaccesibles para los espectadores no autorizados.
Los investigadores también sugieren la posibilidad de integrar estos modelos en dispositivos portátiles y vestibles, donde los diseños compactos y de bajo consumo son esenciales. Al reemplazar moduladores voluminosos con superficies pasivas nanofabricadas o utilizando fotónica integrada, estos modelos podrían ser incorporados en gafas inteligentes, cascos de realidad aumentada o plataformas móviles. Esto permitiría la creación de IA generativa en tiempo real, llevándola directamente a los usuarios a través de sistemas portátiles.
Las implicaciones de este avance son amplias. Los modelos generativos ópticos podrían reducir la huella energética de la IA a gran escala, haciendo posible su despliegue sostenible y desbloqueando velocidades de inferencia ultrarrápidas. Las aplicaciones potenciales abarcan desde la imagenología biomédica y diagnósticos hasta medios inmersivos y computación en el borde, donde se necesita cada vez más una IA distribuida y de bajo consumo.
El profesor Ozcan concluyó: «Nuestro trabajo muestra que se puede aprovechar la óptica para realizar tareas de IA generativa a gran escala. Al eliminar la necesidad de una pesada computación digital iterativa durante la inferencia, los modelos generativos ópticos abren la puerta a sistemas de IA eficientes en energía que podrían transformar las tecnologías cotidianas».
Con esta investigación, los académicos de UCLA han señalado un futuro sostenible y escalable para la creatividad de las máquinas, marcando un hito en la convergencia de la fotónica y la inteligencia artificial que podría transformar la computación en el siglo XXI.
