Segun MarkTechPost (AI/ML News), Google ha presentado LiteRT.js, una interfaz en JavaScript que permite ejecutar modelos .tflite directamente en navegadores web mediante tecnologías como WebGPU y WebNN. Esta herramienta, derivada de su infraestructura de inferencia en dispositivos, busca acelerar el procesamiento local de inteligencia artificial sin necesidad de conexión a servidores. El lanzamiento, anunciado el 15 de julio de 2026, representa una evolución clave en la capacidad de los navegadores para realizar tareas de inteligencia artificial en tiempo real.
LiteRT.js no introduce un nuevo formato de modelo, sino que transforma el motor nativo de Google, previamente usado en Android, iOS y escritorios, en una versión optimizada para el entorno web. Este motor se compila a WebAssembly y se expone como una API en JavaScript, manteniendo todas las mejoras de rendimiento ya validadas en otros dispositivos. Dicha transición permite que aplicaciones web aprovechen los avances en cuantización, optimización de hardware y eficiencia de procesos que previamente solo estaban disponibles en plataformas móviles. Así, los desarrolladores pueden integrar modelos de visión computacional y procesamiento de audio con un nivel de eficiencia comparable al de entornos oficiales.
El sistema se ejecuta a través de tres backends distintos: el procesamiento en CPU utiliza XNNPACK, una biblioteca especializada con soporte para múltiples hilos y arquitecturas SIMD; el uso de GPU se basa en ML Drift, ejecutado a través de WebGPU; y el procesamiento en NPU se realiza mediante el API WebNN, aún en fase experimental en navegadores como Chrome y Edge. En su diseño, LiteRT.js sigue dos principios clave: no permite delegación parcial de operaciones entre CPU y GPU, y cada modelo debe asignarse completamente a un acelerador o caer en ejecución en WebAssembly. La ruta de CPU ofrece la mayor cobertura de operaciones, lo cual garantiza compatibilidad con una amplia variedad de modelos.
En cuanto a rendimiento, Google informa que LiteRT.js alcanza hasta tres veces más velocidad que otras soluciones web existentes en tareas de visión clásica y procesamiento de audio. Además, cuando se compara con su propia ejecución en CPU, el uso de GPU o NPU ofrece un incremento de hasta cinco veces en eficiencia. Estos datos demuestran una mejora significativa en latencia y consumo de recursos, lo que abre espacios para aplicaciones más reales en entornos digitales de usuarios finales.
Para los peruanos, esta innovación es clave en el contexto de una sociedad cada vez más conectada y digital. Mientras los usuarios consumen contenido en dispositivos móviles y tablets, el acceso directo a inteligencia artificial local sin necesidad de internet o servidores externos puede transformar la experiencia en aplicaciones de salud, educación o comercio. Por ejemplo, un servicio de diagnóstico médico en una app podría procesar imágenes de forma rápida y privada, protegiendo datos sensibles. Así, LiteRT.js no solo mejora el rendimiento técnico, sino que también fortalece la privacidad y accesibilidad de herramientas tecnológicas en entornos donde el internet no es siempre estable.