Por Canuto  

Christina Delimitrou, profesora asociada del MIT, investiga cómo el aprendizaje automático puede ayudar a gestionar mejor los recursos de los centros de datos, reducir la capacidad informática desperdiciada y mejorar la eficiencia sin sacrificar el rendimiento.
***

  • Delimitrou afirma que algunos sistemas de computación a gran escala que estudió operaban cerca del 15 % de su capacidad.
  • Su grupo trabaja en gestión de recursos, detección anticipada de fallas y herramientas para estudiar aplicaciones propietarias.
  • La investigadora advierte que los sistemas de IA deben ser auditables y ofrecer explicaciones útiles a los desarrolladores.

La investigación busca extraer más capacidad del hardware ya instalado y contener el consumo energético asociado al crecimiento de la computación en la nube.

El auge de los centros de datos de gran escala está presionando las redes eléctricas y, según el MIT, también contribuye a una mayor dependencia de fuentes de energía contaminantes. Frente a ese escenario, Christina Delimitrou, profesora asociada del Instituto Tecnológico de Massachusetts, investiga cómo reorganizar el funcionamiento de servidores y equipos de red para aprovechar mejor la infraestructura existente.

El equipo de Delimitrou aplica aprendizaje automático a la gestión de recursos informáticos, el diseño de sistemas y la detección de problemas en aplicaciones de nube. La meta no consiste simplemente en sumar capacidad, sino en obtener más trabajo útil del hardware disponible y evitar que el software ineficiente obligue a construir nuevos centros de datos antes de tiempo.

El reto de aprovechar la capacidad informática

Los centros de datos sostienen servicios digitales que van desde plataformas de streaming musical hasta herramientas de videoconferencia, y su escala hace compleja la administración de servidores y redes. Si esos recursos permanecen subutilizados, los operadores pueden consumir energía sin obtener una cantidad proporcional de procesamiento, mientras la demanda de los usuarios sigue creciendo.

En el trabajo de investigación que inició durante su etapa doctoral, Delimitrou y su mentor, Christos Kozyrakis, encontraron que muchos sistemas de computación de gran escala funcionaban aproximadamente al 15 % de su capacidad. Kozyrakis es profesor de Ingeniería Leonard Bosack y Sandy K. Lerner en Stanford, institución donde Delimitrou realizó estudios de maestría y doctorado; la cifra que describió se refiere a los sistemas examinados en aquella investigación, no a todos los centros de datos.

La investigadora sostiene que un nivel bajo de utilización representa un problema de eficiencia y sostenibilidad, sobre todo cuando los operadores responden a la demanda con más instalaciones. «Si los centros de datos no se utilizan al máximo de sus capacidades, quemarán mucha más energía de la que necesitan para satisfacer la creciente demanda», señaló Delimitrou en el perfil publicado por MIT News el 8 de octubre de 2026.

Una parte de la ineficiencia, según Delimitrou, proviene de la complejidad acumulada en el software que gestiona esos sistemas. Su grupo estudia cómo reducir esa carga sin deteriorar el rendimiento, una vía que podría permitir a los operadores extraer más potencia de cómputo de los equipos disponibles y limitar la necesidad de nuevas construcciones, aunque la investigación no presenta una reducción cuantificada del consumo.

Aprendizaje automático para administrar la nube

Delimitrou comenzó a explorar el aprendizaje automático como herramienta para automatizar decisiones de gestión de recursos que serían difíciles de tomar manualmente a gran escala. En vez de depender únicamente de la experiencia de los desarrolladores, estos métodos pueden analizar el comportamiento de los sistemas y encontrar combinaciones de recursos que una revisión convencional podría pasar por alto.

El campo planteaba riesgos cuando comenzó a aplicarse a problemas de sistemas informáticos de gran escala, porque aún no se había demostrado ampliamente que esos métodos funcionaran en ese contexto. Delimitrou explica que la cantidad de componentes y operaciones vuelve difícil la administración humana directa, pero también advierte que la automatización no elimina la necesidad de supervisar las decisiones que produce.

Uno de los proyectos de su grupo, Seer, utiliza aprendizaje profundo para anticipar y prevenir problemas en aplicaciones web antes de que ocurran. Al detectar señales de fallas con antelación, la herramienta busca evitar ralentizaciones amplias y reducir las interrupciones que pueden surgir cuando un desarrollador debe localizar y corregir manualmente un problema.

El equipo también amplió su trabajo de depuración para incluir vulnerabilidades de seguridad que podrían dejar expuestos los datos de los usuarios. En servicios que dependen de aplicaciones en la nube, la prevención de fallas y de problemas de seguridad puede beneficiar tanto la continuidad del servicio como la utilización de los recursos informáticos, aunque la fuente no atribuye a estas herramientas resultados comerciales específicos.

Software, hardware y explicabilidad

La forma de construir aplicaciones en la nube ha cambiado: los desarrolladores distribuyen cada vez más sus componentes pequeños entre varios servidores para acelerar su despliegue. Delimitrou observó que los servidores no siempre estaban diseñados para ese estilo de trabajo, por lo que adaptó parte de su investigación a las necesidades de esta nueva clase de aplicaciones y a la interacción entre software y hardware.

En esa línea, su equipo utiliza IA para rediseñar sistemas de software y ajustarlos mejor a las capacidades del hardware existente. La intención es reducir las ineficiencias sin comprometer el rendimiento, pero la propia investigadora identifica un límite importante: algunos modelos de IA son difíciles de interpretar y no siempre explican por qué recomiendan una solución determinada.

Por esa razón, el grupo trabaja en dotar de explicabilidad a estas herramientas para que los usuarios reciban retroalimentación útil y los desarrolladores puedan evaluar las respuestas. Delimitrou plantea que esa transparencia no solo ayuda a comprobar si una recomendación es adecuada, sino que también puede aportar pistas para diseñar mejores sistemas informáticos en el futuro.

El acceso a sistemas reales plantea otro obstáculo para la investigación académica: las empresas tecnológicas pueden utilizar hardware propietario y software al que los equipos universitarios no tienen acceso. Para estudiar ese entorno, el grupo creó Ditto, una herramienta que imita la estructura y las características de rendimiento de aplicaciones propietarias y permite realizar una gama más amplia de experimentos.

Una trayectoria entre Grecia, Stanford, Cornell y el MIT

Delimitrou creció en un pueblo mediano de las extensas llanuras del norte de Grecia, donde desarrolló temprano su interés por las matemáticas y la ciencia. La tradición matemática de su país, asociada en su relato a figuras como Euclides y Pitágoras, y el apoyo de sus padres, una ingeniera química y un farmacéutico, contribuyeron a alimentar esa curiosidad.

Estudió ingeniería informática en la Universidad Nacional Técnica de Atenas, aunque al principio sabía poco sobre el campo. Durante el quinto y último año de la carrera, su proyecto de diploma se centró en la gestión de recursos de una computadora que ejecutaba varias aplicaciones al mismo tiempo, un problema que la llevó a preguntarse cómo cambiaría esa dificultad al multiplicar los sistemas por miles.

En Stanford amplió esa línea de investigación hacia la computación en la nube y los centros de datos de gran escala, en colaboración con Kozyrakis. Tras completar su doctorado, continuó ese trabajo como profesora asistente en la Universidad de Cornell, donde desarrolló, entre otros proyectos, Seer y profundizó en los retos de las aplicaciones distribuidas.

Delimitrou se incorporó al departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT como profesora asistente en 2022, atraída por la posibilidad de colaborar con investigadores especializados en hardware y software. Actualmente es profesora asociada y ocupa el puesto de KDD Career Development Professor in Communications and Technology en ese departamento; también es miembro del Laboratorio de Ciencias de la Computación e Inteligencia Artificial, conocido como CSAIL.

Investigación y formación de estudiantes

En el MIT, Delimitrou también enseña el curso 6.191, Estructura de Computación, que reúne a unos 350 estudiantes de pregrado cada semestre. La evolución constante del área obliga a renovar los contenidos, y la profesora dice que prefiere actividades abiertas que exijan pensar en lugar de limitarse a resolver ejercicios formulaicos.

Su objetivo docente, según explicó, es que los estudiantes aprendan a pensar y a aprender por sí mismos. Esa prioridad también aparece en su trabajo de laboratorio, donde la creatividad ayuda a explorar soluciones para problemas de nube que podrían quedar fuera de los enfoques habituales.

La investigadora espera que los avances en los modelos de aprendizaje automático abran nuevas posibilidades para mejorar el rendimiento de las aplicaciones y la eficiencia del hardware. Sin embargo, insiste en que la IA debe auditarse con cuidado y que los investigadores no deberían perder la capacidad de entender las soluciones que los modelos proponen.

Fuera del laboratorio, Delimitrou comparte tiempo con su esposo y su hija de un año, y menciona la jardinería, la pintura de escenas naturales, el piano clásico y la construcción de un tren eléctrico de juguete para su hija entre sus intereses personales. El contacto con el aire libre, explica, le ofrece un descanso de su trabajo técnico y le recuerda la relación entre su investigación y la sostenibilidad.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados