![De izquierda a derecha: Lee Young-jun, investigador postdoctoral del Instituto de Investigación de Electrónica de Información del KAIST; Lee Jae-gil, profesor de la Facultad de Informática; Kim Do-young, investigador de Amazon (fotografía individual en la parte superior derecha); Kang Jun-hyuk, investigador del Instituto de Investigación de IA de LG; Song Hwan-jun, profesor del Departamento de Ingeniería Industrial y de Sistemas del KAIST [Fotografía=KAIST]](https://image.ajunews.com/content/image/2026/09/21/20260921084717345449.png)
Ha surgido una nueva tecnología de IA que almacena y reutiliza en el dispositivo soluciones aprendidas previamente. Investigadores del KAIST (Instituto de Ciencia y Tecnología de Corea) han logrado reducir las llamadas al servidor en un promedio de 55,61% mientras mantienen la precisión, permitiendo que una IA de pequeño tamaño en dispositivos acumule y utilice el conocimiento de una IA grande en el servidor.
El KAIST anunció el 21 de septiembre que el equipo de investigación del profesor Lee Jae-gil de la Facultad de Informática ha desarrollado la tecnología colaborativa dispositivo-servidor "CURE (reutilización acumulativa de conocimiento)", que conecta eficientemente la IA pequeña del dispositivo con la IA grande del servidor.
Los dispositivos como smartphones utilizan principalmente modelos de IA pequeños debido a limitaciones en capacidad de cálculo y memoria. Aunque estos modelos pequeños procesan problemas simples rápidamente, su precisión disminuye ante imágenes complejas o desconocidas. Por el contrario, si se envían todos los problemas a una IA de servidor de alto rendimiento, mejora la precisión pero aumentan el tiempo de transmisión de datos, el volumen de comunicación y los costos de procesamiento del servidor.
Por esta razón, se ha investigado un enfoque colaborativo en el que la IA pequeña del dispositivo realiza una primera evaluación y solo envía los problemas difíciles al servidor. Sin embargo, los métodos existentes descartan las respuestas del servidor después de usarlas una sola vez, lo que obliga a solicitar repetidamente la misma ayuda del servidor cuando surgen problemas similares. El equipo de investigación se enfocó en almacenar las respuestas del servidor como conocimiento reutilizable por el dispositivo posteriormente, en lugar de consumirlas de forma única.
CURE funciona en tres etapas: △ la IA pequeña determina si puede procesar la entrada de forma autónoma, △ si es difícil, utiliza primero el conocimiento del servidor almacenado en el dispositivo, △ solo solicita al servidor cuando es insuficiente. En lugar de almacenar casos individuales de respuestas del servidor, sintetiza las características y diferencias compartidas por múltiples casos como conocimiento. De esta manera, el conocimiento acumulado puede utilizarse no solo para casos vistos anteriormente, sino también para evaluar casos similares nuevos.
El equipo de investigación verificó el rendimiento utilizando modelos visión-lenguaje que comprenden simultáneamente imágenes y texto. Se empleó MobileCLIP2 como modelo pequeño para dispositivos y EVA-CLIP, con 18 mil millones de parámetros, como modelo grande para el servidor.
Los resultados experimentales en diversos conjuntos de datos de clasificación de imágenes mostraron que CURE mantiene una precisión cercana al procesamiento de todas las entradas mediante el modelo de servidor grande, mientras reduce el número de llamadas al servidor en un promedio de 55,61% comparado con el método colaborativo dispositivo-servidor existente que no acumula conocimiento. La velocidad de procesamiento fue hasta 2,8 veces más rápida que el método colaborativo existente y hasta 3,67 veces más rápida que el método que envía todas las entradas al servidor.
CURE puede implementarse simplemente agregando un almacén que contenga el conocimiento del servidor a los modelos existentes, sin necesidad de reentrenar por separado los modelos pequeños y grandes. Además de reconocimiento de fotos en smartphones e búsqueda de imágenes, también puede aplicarse a dispositivos como robots y equipos portátiles que necesitan reconocer el entorno con recursos limitados. Sin embargo, la efectividad en la aplicación real puede variar según el rendimiento del dispositivo, espacio de almacenamiento, entorno de comunicación y características de los datos de entrada, por lo que se requiere validación adicional en diversos dispositivos y entornos.
El profesor Lee Jae-gil señaló: "CURE es una tecnología que permite que la IA pequeña del dispositivo no haga la misma pregunta repetidamente al servidor, sino que recuerde y reutilice el conocimiento obtenido una vez".
En esta investigación participó como primer autor Lee Young-jun, investigador postdoctoral del Instituto de Investigación de Electrónica de Información del KAIST, con el profesor Lee Jae-gil como autor correspondiente. Kim Do-young, investigador de Amazon; Kang Jun-hyuk, investigador del Instituto de Investigación de IA de LG; y Song Hwan-jun, profesor del Departamento de Ingeniería Industrial y de Sistemas del KAIST, aparecen como coautores. Los resultados de la investigación fueron presentados el 10 de septiembre en la Conferencia Europea de Visión por Computadora (ECCV 2026), celebrada en Malmö, Suecia, del 8 al 12 de septiembre. Esta investigación fue realizada con apoyo del Ministerio de Ciencia y Tecnología de la Información y Comunicaciones y de la Agencia de Planificación y Evaluación de Tecnología de la Información y Comunicaciones, dentro del proyecto "Desarrollo de Tecnología Nuclear de IA Centrada en Humanos", específicamente en la tarea "Desarrollo de Tecnología de Mejora de Capacidad de Aprendizaje de IA".
* Este artículo ha sido traducido por IA.