Ya se sabe que las plantas dan sombra, son una fuente de materias prima como la madera o el algodón y que tienen un papel fundamental en la absorción del dióxido de carbono. Pero los investigadores del Instituto de Tecnología Italiano (IIT, por sus siglas en italiano) en Pisa han encontrado una innovadora aplicación que hace honor a la expresión “energía verde”. Se trata de generar electricidad a través de las plantas. Y no es la primera vez que aprovechan el potencial de la botánica para desarrollar un proyecto tecnológico : ya en 2012 desarrollaron Plantoid, el primer robot planta cuyo funcionamiento estaba basado en las características de las raíces vegetales para crear un sistema capaz de medir los nutrientes y la humedad del suelo. Ahora, en su último experimento, han aprovechado las hojas de las plantas para encender bombillas LED. Para desarrollar esta nueva fuente de energía han aprovechado la capacidad que tienen algunas hojas para convertir las fuerzas mecánicas en corrientes de electricidad. Es decir, cuando las hojas se mueven o entran en contacto con otro material experimentan un proceso de electrificación y esa corriente se extiende desde las ramas hasta el tallo. Así que lo que ha hecho este equipo de investigación italiano es, fundamentalmente, poner un enchufe en una planta y transmitir esa electricidad a una bombilla. Las mediciones indican que una sola hoja puede generar hasta ciento cincuenta voltios, lo que permitiría encender cien bombillas LED cada vez que se mueve. Partiendo de estas premisas, el equipo ha modificado una adelfa, añadiéndole hojas artificiales para crear un árbol híbrido. Cuando el viento sopla, las hojas sintéticas se mueven y rozan las hojas naturales, lo que multiplica la electricidad generada. De modo que no sería descabellado aprovechar el follaje de los árboles e incluso convertir bosques en verdaderas plantas eléctricas. La iniciativa de los investigadores italianos se encuadra en el proyecto Growbot, financiado por la Unión Europea, que buscará desarrollar robots bioinspirados capaces de crecer autónomamente mediante el uso de impresión 3D. Un cíborg vegetal La característica definitoria de las plantas es su arraigo en la tierra. La única movilidad que tienen es la de orientar sus hojas hacia la luz en su proceso de crecimiento. Hasta ahora, claro está. Porque los científicos del Laboratorio de Medios del Instituto Tecnológico de Massachusetts (MIT Media Lab) en EEUU acaban de desarrollar una innovadora tecnología que proporciona movilidad a las plantas y les permite buscar las zonas con mayor radiación lumínica. El sistema, bautizado como Elowan, consiste en una planta sobre ruedas que lleva sensores acoplados a las hojas. Cuando estas reciben luz, la planta genera señales biolectroquímicas que son captadas por los electrodos. Estos, a su vez, envían una señal al sistema robótico para que se mueva hacia el origen de la luz. Este podría ser el punto de partida para una nueva generación de biohíbridos que aprovechen las cualidades de las plantas. Se trata, en definitiva, de un proyecto tecnológico que usa los sensores o las capacidades de regeneración automática que existen en la naturaleza para optimizar la tecnología humana. Algo así como una economía colaborativa con el mundo natural en lugar de una incesante explotación de sus recursos.
Para saber más sobre el tema hemos recurrido a… ¡la inteligencia artificial! y le hemos preguntado a Chat GPT ¿por qué consume tanta energía la inteligencia artificial?. Esta es su respuesta: El consumo elevado de energía en la inteligencia artificial (IA) se debe a varios factores clave: Entrenamiento de modelos: Volumen de datos: Los modelos de IA, especialmente los de aprendizaje profundo (deep learning), requieren grandes volúmenes de datos para entrenarse. Procesar y aprender de estos datos implica una enorme cantidad de cálculos. Computación intensiva: El entrenamiento de modelos avanzados implica realizar millones o incluso miles de millones de operaciones matemáticas. Esto demanda un uso intensivo de hardware especializado como las unidades de procesamiento gráfico (GPU) y, más recientemente, las unidades de procesamiento tensorial (TPU). Infraestructura de hardware: Hardware especializado: Las GPUs y TPUs, diseñadas específicamente para el procesamiento paralelo requerido por los modelos de IA, consumen mucha más energía que las CPUs convencionales. Centros de datos: Los grandes modelos de IA se entrenan en centros de datos que necesitan mantener tanto el hardware como los sistemas de refrigeración, incrementando aún más el consumo energético. Operación continua: Inferencia en tiempo real: Muchos sistemas de IA necesitan realizar inferencias en tiempo real, como en asistentes virtuales, sistemas de recomendación, y vehículos autónomos. Esto requiere que los modelos se ejecuten continuamente, lo cual consume energía de manera sostenida. Escalabilidad: Los servicios de IA a menudo deben escalarse para atender a millones de usuarios simultáneamente, lo que multiplica el consumo de energía. Optimización y repetición: Pruebas y validación: El proceso de desarrollo de modelos incluye múltiples ciclos de prueba, validación y ajuste de hiperparámetros, lo que incrementa el tiempo y los recursos computacionales necesarios. Actualizaciones y mantenimiento: Los modelos a menudo se reentrenan con datos nuevos para mejorar su precisión y relevancia, lo cual implica ciclos adicionales de consumo energético. Algoritmos y arquitectura: Complejidad de los modelos: Los modelos más avanzados y precisos, como los transformadores utilizados en procesamiento de lenguaje natural (NLP), son extremadamente complejos y requieren mucha más computación. Optimizaciones: Aunque existen esfuerzos para optimizar algoritmos y reducir el consumo energético, muchas de las técnicas más eficientes aún están en desarrollo o no se han implementado ampliamente. En resumen, el alto consumo de energía de la IA es resultado de la combinación de la necesidad de grandes volúmenes de datos, cálculos intensivos, infraestructura especializada y operaciones continuas. A medida que la tecnología avanza, también se están desarrollando métodos y estrategias para mejorar la eficiencia energética de los modelos de IA.
Ya se sabe que las plantas dan sombra, son una fuente de materias prima como la madera o el algodón y que tienen un papel fundamental en la absorción del dióxido de carbono. Pero los investigadores del Instituto de Tecnología Italiano (IIT, por sus siglas en italiano) en Pisa han encontrado una innovadora aplicación que hace honor a la expresión “energía verde”. Se trata de generar electricidad a través de las plantas. Y no es la primera vez que aprovechan el potencial de la botánica para desarrollar un proyecto tecnológico : ya en 2012 desarrollaron Plantoid, el primer robot planta cuyo funcionamiento estaba basado en las características de las raíces vegetales para crear un sistema capaz de medir los nutrientes y la humedad del suelo. Ahora, en su último experimento, han aprovechado las hojas de las plantas para encender bombillas LED. Para desarrollar esta nueva fuente de energía han aprovechado la capacidad que tienen algunas hojas para convertir las fuerzas mecánicas en corrientes de electricidad. Es decir, cuando las hojas se mueven o entran en contacto con otro material experimentan un proceso de electrificación y esa corriente se extiende desde las ramas hasta el tallo. Así que lo que ha hecho este equipo de investigación italiano es, fundamentalmente, poner un enchufe en una planta y transmitir esa electricidad a una bombilla. Las mediciones indican que una sola hoja puede generar hasta ciento cincuenta voltios, lo que permitiría encender cien bombillas LED cada vez que se mueve. Partiendo de estas premisas, el equipo ha modificado una adelfa, añadiéndole hojas artificiales para crear un árbol híbrido. Cuando el viento sopla, las hojas sintéticas se mueven y rozan las hojas naturales, lo que multiplica la electricidad generada. De modo que no sería descabellado aprovechar el follaje de los árboles e incluso convertir bosques en verdaderas plantas eléctricas. La iniciativa de los investigadores italianos se encuadra en el proyecto Growbot, financiado por la Unión Europea, que buscará desarrollar robots bioinspirados capaces de crecer autónomamente mediante el uso de impresión 3D. Un cíborg vegetal La característica definitoria de las plantas es su arraigo en la tierra. La única movilidad que tienen es la de orientar sus hojas hacia la luz en su proceso de crecimiento. Hasta ahora, claro está. Porque los científicos del Laboratorio de Medios del Instituto Tecnológico de Massachusetts (MIT Media Lab) en EEUU acaban de desarrollar una innovadora tecnología que proporciona movilidad a las plantas y les permite buscar las zonas con mayor radiación lumínica. El sistema, bautizado como Elowan, consiste en una planta sobre ruedas que lleva sensores acoplados a las hojas. Cuando estas reciben luz, la planta genera señales biolectroquímicas que son captadas por los electrodos. Estos, a su vez, envían una señal al sistema robótico para que se mueva hacia el origen de la luz. Este podría ser el punto de partida para una nueva generación de biohíbridos que aprovechen las cualidades de las plantas. Se trata, en definitiva, de un proyecto tecnológico que usa los sensores o las capacidades de regeneración automática que existen en la naturaleza para optimizar la tecnología humana. Algo así como una economía colaborativa con el mundo natural en lugar de una incesante explotación de sus recursos.
Para saber más sobre el tema hemos recurrido a… ¡la inteligencia artificial! y le hemos preguntado a Chat GPT ¿por qué consume tanta energía la inteligencia artificial?. Esta es su respuesta: El consumo elevado de energía en la inteligencia artificial (IA) se debe a varios factores clave: Entrenamiento de modelos: Volumen de datos: Los modelos de IA, especialmente los de aprendizaje profundo (deep learning), requieren grandes volúmenes de datos para entrenarse. Procesar y aprender de estos datos implica una enorme cantidad de cálculos. Computación intensiva: El entrenamiento de modelos avanzados implica realizar millones o incluso miles de millones de operaciones matemáticas. Esto demanda un uso intensivo de hardware especializado como las unidades de procesamiento gráfico (GPU) y, más recientemente, las unidades de procesamiento tensorial (TPU). Infraestructura de hardware: Hardware especializado: Las GPUs y TPUs, diseñadas específicamente para el procesamiento paralelo requerido por los modelos de IA, consumen mucha más energía que las CPUs convencionales. Centros de datos: Los grandes modelos de IA se entrenan en centros de datos que necesitan mantener tanto el hardware como los sistemas de refrigeración, incrementando aún más el consumo energético. Operación continua: Inferencia en tiempo real: Muchos sistemas de IA necesitan realizar inferencias en tiempo real, como en asistentes virtuales, sistemas de recomendación, y vehículos autónomos. Esto requiere que los modelos se ejecuten continuamente, lo cual consume energía de manera sostenida. Escalabilidad: Los servicios de IA a menudo deben escalarse para atender a millones de usuarios simultáneamente, lo que multiplica el consumo de energía. Optimización y repetición: Pruebas y validación: El proceso de desarrollo de modelos incluye múltiples ciclos de prueba, validación y ajuste de hiperparámetros, lo que incrementa el tiempo y los recursos computacionales necesarios. Actualizaciones y mantenimiento: Los modelos a menudo se reentrenan con datos nuevos para mejorar su precisión y relevancia, lo cual implica ciclos adicionales de consumo energético. Algoritmos y arquitectura: Complejidad de los modelos: Los modelos más avanzados y precisos, como los transformadores utilizados en procesamiento de lenguaje natural (NLP), son extremadamente complejos y requieren mucha más computación. Optimizaciones: Aunque existen esfuerzos para optimizar algoritmos y reducir el consumo energético, muchas de las técnicas más eficientes aún están en desarrollo o no se han implementado ampliamente. En resumen, el alto consumo de energía de la IA es resultado de la combinación de la necesidad de grandes volúmenes de datos, cálculos intensivos, infraestructura especializada y operaciones continuas. A medida que la tecnología avanza, también se están desarrollando métodos y estrategias para mejorar la eficiencia energética de los modelos de IA.
