Un investigador mexicano desarrolla IA sostenible para dispositivos diminutos y recibe el Google PhD Fellowship 2025 por su impacto global.
Aprender en pequeño, pensar en grande
Mientras los modelos de inteligencia artificial más conocidos dependen de enormes centros de datos y consumos energéticos crecientes, un enfoque distinto comienza a tomar fuerza desde México. Luis Eduardo Garza Elizondo, investigador del Tecnológico de Monterrey, trabaja en algoritmos capaces de aprender directamente en dispositivos diminutos —microcontroladores, sensores o pequeños robots— sin conexión a la nube.
Su propuesta apunta a un cambio de paradigma: llevar el aprendizaje por refuerzo a sistemas con recursos extremadamente limitados, reduciendo de forma drástica el consumo energético y ampliando las posibilidades de la IA en contextos cotidianos e industriales.
Reconocimiento global
Este trabajo llevó a Luis Eduardo Garza Elizondo a ser seleccionado como Google PhD Fellow 2025, un reconocimiento internacional que Google otorga a jóvenes científicos cuyas investigaciones amplían la frontera de la computación. El programa distingue proyectos con alto impacto académico y potencial de aplicación real.
Actualmente, el investigador cursa el Doctorado en Ciencias de la Ingeniería y combina su labor científica con la docencia en el campus Monterrey, donde imparte materias de programación y algoritmos fundamentales. Su trayectoria académica incluye estudios en Ingeniería en Sistemas Digitales y Robótica, así como una maestría en Ciencias de la Ingeniería.
TinyRL: inteligencia artificial con huella mínima
El proyecto central de su investigación, Tiny Reinforcement Learning for Microcontroller-based Embedded Systems, busca demostrar que es posible desarrollar modelos inteligentes eficientes y sostenibles, capaces de operar en hardware pequeño y accesible. A diferencia de los sistemas tradicionales, estos algoritmos aprenden directamente en el dispositivo, optimizando memoria, procesamiento y energía.
El enfoque combina aprendizaje por refuerzo con métodos matemáticos avanzados que permiten adaptar los modelos a condiciones extremas de miniaturización. El objetivo es claro: mantener la capacidad de aprendizaje sin trasladar datos ni procesos a infraestructuras costosas y contaminantes.
💻 Visita YoUsuarioFinal 📱
🇲🇽 Conoce más en SuperMexicanos 🎬
Robots que aprenden desde cero
Dentro de esta línea, Luis Eduardo Garza Elizondo forma parte de un equipo que desarrolla un robot terrestre capaz de aprender a moverse sin información previa sobre su entorno. El sistema parte literalmente “en blanco”: no conoce sensores ni actuadores y descubre cómo desplazarse mediante ensayo y error.
Las simulaciones muestran que, tras pocas horas de entrenamiento, el robot pasa de movimientos erráticos a trayectorias eficientes. En fases posteriores, los algoritmos se implementarán en hardware real con arquitecturas de múltiples microcontroladores, donde varios agentes podrán colaborar y compartir conocimiento.
Aplicaciones más humanas y sostenibles
Las posibles aplicaciones abarcan desde robots industriales más seguros y adaptables, hasta wearables de salud capaces de anticipar riesgos fisiológicos en tiempo real. Sensores industriales autónomos, sistemas médicos inteligentes y dispositivos domésticos adaptativos forman parte del horizonte tecnológico que plantea esta investigación.
El proyecto se inscribe en la estrategia de Industria 5.0 del Tecnológico de Monterrey, enfocada en tecnologías centradas en las personas y en la sostenibilidad. El principio común es claro: hacer que la inteligencia artificial sea más eficiente, más cercana y con menor impacto ambiental.
Ciencia mexicana en la frontera tecnológica
El reconocimiento a Luis Eduardo Garza Elizondo confirma el peso de la investigación que se desarrolla en México en áreas clave de la inteligencia artificial. Su trabajo demuestra que la innovación no sólo depende de escalar recursos, sino de repensar cómo y dónde aprende la tecnología, con beneficios directos para la sociedad y el entorno.