Wendy Chin (Multiverse) trae el reto de la IA física al New In: "hay que especializar los grandes modelos para casos de uso de la industria"

Eugenio Mallol.-En este nuevo tejido productivo que estamos construyendo, del que hablaremos en el New In Open Doors! Valencia, ¿qué papel desempeñan vuestras tecnologías y qué valor aporta Multiverse Computing a la economía del futuro?

Wendy Chin.-Nuestro enfoque principal es la compresión de modelos de IA y la construcción de modelos propios para ofrecer alternativas soberanas en Europa. Queremos desarrollar modelos de inteligencia artificial (IA) generativa y multimodales que cumplan con regulaciones como la AI Act, algo fundamental para no depender exclusivamente de empresas de Estados Unidos. Nuestra gran apuesta es la IA Física, que consiste en llevar la IA generativa directamente al entorno industrial y a los dispositivos físicos. En un futuro cercano, queremos abarcar también la gestión de AI factories, administrando desde el suministro de GPUs hasta la orquestación de procesos agénticos y robóticos.

Eugenio Mallol.-Respecto a esa capacidad de compresión de modelos que tienen los algoritmos cuánticos de Multiverse Computing, existe una gran preocupación en el mercado por los precios y el consumo de los tokens. ¿Cómo ayuda vuestra tecnología a solventar este problema?

Wendy Chin.-Nuestra tecnología reduce drásticamente el consumo de energía y los costes. Lo que hacemos es tomar un modelo de código abierto con miles de millones de parámetros y utilizar una técnica proveniente de la física llamada redes tensoriales para mapear sus neuronas. Vamos analizando el modelo capa por capa para identificar cuáles están fuertemente relacionadas y cuáles se pueden eliminar sin afectar el rendimiento. Al ‘rearquitecturar’ el modelo de esta forma, logramos una mayor eficiencia, obtenemos mejor información por el mismo token y a un menor coste.

Eugenio Mallol.-Planteáis ser una alternativa en Europa a empresas como Mistral. ¿Cuál es vuestra propuesta diferencial a la hora de adaptar la IA para las empresas?

Wendy Chin.-Mientras que empresas como Mistral se dedican a desarrollar nuevos modelos de código abierto, nuestro modelo de negocio se basa en tomar esos modelos, comprimirlos y especializarlos para casos de uso concretos en dispositivos. Un modelo gigante y genérico como ChatGPT no se puede integrar en la memoria limitada de un robot, un dron o un coche, ya que estos dispositivos requieren instrucciones muy específicas. Nosotros adaptamos modelos open source, como Llama de Meta, Gemma de Google o Qwen de Alibaba, para que funcionen perfectamente en el hardware del cliente.

Eugenio Mallol.-Si nos ponemos en la perspectiva de una industria, ¿cómo se materializará la implantación de esta IA Física en sus dispositivos, qué ventajas les aportará?

Wendy Chin.-El principal reto y ventaja es poder ejecutar inferencia de IA en chips muy pequeños y con recursos limitados. Para lograrlo, estamos estableciendo alianzas con fabricantes de semiconductores, como Axelera, para integrar nuestros modelos eficientes en sus chips. Estos chips logran funcionar con un consumo energético bajísimo, de unos 58 vatios frente a los 600 vatios que requieren procesadores más grandes. Esto es vital para Europa, que busca fomentar su sector de semiconductores y lograr la independencia tecnológica frente a mercados externos.

Eugenio Mallol.-En Europa y España tenemos muy poca capacidad de computación de IA en comparación con otras regiones, apenas un 5%. ¿Cómo sortea vuestra tecnología esta limitación?

Wendy Chin.-Al centrarnos en modelos más pequeños y comprimidos, no necesitamos una potencia de cálculo tan inmensa como la que requieren los grandes LLMs. Además, contamos con inversión del Gobierno para impulsar esta tecnología. Un ejemplo práctico de nuestro trabajo en la creación de modelos soberanos europeos es que ya estamos comprimiendo el modelo lingüístico catalán AINA. Nuestro objetivo final es ofrecer un modelo propio, multimodal y europeo que sea una alternativa real.

Eugenio Mallol.-Para realizar estas tareas de compresión y especialización, necesitáis acceder a las "tripas" del modelo. Entiendo que esto os limita a usar exclusivamente modelos de código abierto.

Wendy Chin.-Exactamente. No podemos comprimir modelos cerrados como ChatGPT de OpenAI o Claude de Anthropic porque funcionan mediante una API y no tenemos acceso a sus pesos y arquitectura interna. Por eso trabajamos con el inmenso ecosistema de código abierto. Pero en visión artificial, por ejemplo, hay más de tres millones de modelos, y nosotros utilizamos algunos como YOLO, TTMS o Mojo AI.

Eugenio Mallol.-Volviendo al hardware, antes mencionabas la alianza con el fabricante de chips Axelera. ¿Por qué es tan crítico para Europa fabricar e integrar la IA en sus propios semiconductores?

Wendy Chin.-Es una cuestión de pura independencia estratégica. Europa quiere fomentar su sector de semiconductores para no depender tanto de Estados Unidos. Es una lección que aprendimos durante la pandemia de COVID con las vacunas: dependíamos del exterior y eso es un riesgo. Queremos evitar que decisiones políticas, como las que en cualquier momento podría tomar Donald Trump, frenen nuestros negocios. Por eso es vital que fabricantes como Axelera integren nuestros modelos de bajo consumo directamente en sus chips y lideremos juntos el mercado del Physical Edge.

Eugenio Mallol.-Para aterrizarlo al público, ¿podrías darnos ejemplos reales de proyectos industriales en los que ya estéis aplicando esta IA Física?

Wendy Chin.-Por supuesto, la visión artificial y la IA generativa se están aplicando en muchísimos entornos. En fabricación y robótica, por ejemplo, utilizamos modelos de visión comprimidos, como YOLO (You Only Look Once), en brazos robóticos industriales para inspeccionar piezas, sacar fotos y detectar fallos o grietas en tiempo real. En aeronáutica, estamos trabajando en integrar visión artificial en boroscopios para inspeccionar el fuselaje y las turbinas de los aviones, detectando fatiga de materiales o impactos de aves.

También estamos especializando modelos de lenguaje para integrarlos directamente en los coches, permitiendo que el usuario dé comandos de voz complejos (speech-to-text) para controlar las ventanas, la ruta o la música sin depender de la nube. La IA se está usando en consumo y retail, en supermercados para sistemas de auto check out con cámaras e incluso en electrodomésticos, como las neveras de Samsung que detectan visualmente qué alimentos faltan en su interior. En definitiva, todo dispositivo electrónico es susceptible de convertirse en un terminal de inteligencia artificial en el futuro.

Eugenio Mallol.-¿Qué otras aplicaciones de IA Física os están demandando las empresas?

Wendy Chin.-Las aplicaciones son infinitas. En transporte y seguridad, se pueden utilizar cámaras con visión artificial para vigilar a los conductores de trenes o pilotos de aviones y detectar si se están quedando dormidos o distraídos. Y en salud y biotecnología, estamos aplicando modelos especializados junto con sistemas RAG (Generación Aumentada por Recuperación) para el sector salud, ayudando en tareas tan críticas como la identificación de diferentes tipos de cáncer..