Bona part de la intel·ligència artificial que fem servir al telèfon no s'executa al telèfon. Quan una aplicació ha de reconèixer què hi ha en una fotografia i el model petit que porta el dispositiu no se'n surt, la consulta viatja a un model molt més gran allotjat en un servidor. Això funciona, però té un cost en temps d'espera, en consum de dades i en factura de núvol, i cada consulta es paga com si fos la primera, encara que el model gran ja hagi resolt abans un cas gairebé idèntic.
Un equip del KAIST, l'institut de ciència i tecnologia de Corea del Sud, ha presentat un mètode que ataca precisament aquesta redundància. El sistema es diu CURE i la metàfora que fan servir els autors és la d'apuntar la solució en una llibreta: en comptes de tornar a preguntar a l'expert cada vegada, el model petit del dispositiu acumula el coneixement que ha obtingut del model del servidor i l'aplica als casos semblants que li arriben després. Segons la nota de l'institut, el mètode redueix les crides al servidor en un 55,61% de mitjana respecte dels plantejaments que no acumulen, funciona fins a 2,80 vegades més de pressa que el sistema de referència i fins a 3,67 vegades més que enviar-ho tot al servidor, i manté una precisió pròxima a la d'enviar cada entrada al model gran. La feina la signen el professor Jae-Gil Lee i el doctor Youngjun Lee, del KAIST, amb col·laboradors d'Amazon i de LG AI Research, i es va presentar el 10 de setembre al congrés europeu de visió per computador ECCV 2026, celebrat a Malmö.
La rellevància d'aquest tipus de resultat sol passar desapercebuda perquè no hi ha cap model nou, però toca una cosa molt material: l'eficiència. Menys crides al núvol volen dir menys energia, menys latència, menys dependència de la connexió i menys cost per usuari; i, en un moment en què el sector avisa que la capacitat dels centres de dades no creix tan de pressa com la demanda, estalviar consultes val tant com afegir servidors. També té una lectura de privadesa: tot el que es resol al dispositiu és informació que no surt del dispositiu.
Les limitacions, això sí, són les pròpies de l'abast del treball. Els resultats són de tasques de reconeixement d'imatges avaluades en un entorn de recerca, no d'un desplegament comercial amb milions d'usuaris, i la millora es mesura contra uns sistemes de referència triats pels autors. Un mètode que acumula coneixement passat arrossega també el risc d'arrossegar-ne els errors i de quedar desfasat quan el tipus d'entrades canvia, una qüestió que els mateixos autors situen en el terreny del treball futur. Que el resultat estigui publicat en les actes d'un congrés amb revisió per parells el fa sòlid, però encara no diu com es comportarà en un telèfon qualsevol.