.png)
La Inteligencia Artificial (IA), al igual que cualquier proceso informático a gran escala, requiere una cantidad significativa de energía debido a la operación de millones de procesadores, discos duros y memorias RAM trabajando en conjunto.
Así, modelos de IA populares como ChatGPT contribuyen a la generación de toneladas de emisiones debido a su alto consumo de agua y energía, lo que plantea numerosos desafíos en términos de su impacto ambiental.
Si bien la IA puede mejorar la eficiencia y reducir los recursos necesarios en muchas industrias, es esencial la búsqueda de prácticas sostenibles en su diseño y uso para garantizar que esta tecnología continúe brindando beneficios a largo plazo sin comprometer el entorno.
Al final del artículo encontrarás una infografía resumen sobre el tema: ¿Es sostenible la Inteligencia Artificial?
¿Por qué la IA consume energía?
Como es sabido, la Inteligencia Artificial se alimenta de millones de datos para su funcionamiento. Estos datos e información se recopilan de Internet, lo que implica un consumo significativo de recursos de cloud computing (computación en la nube o servicios en la nube).
El mantenimiento de esta infraestructura y de los servidores que soportan la IA es uno de los factores que aumenta el consumo energético. Esto se debe a que la IA emplea cantidades cada vez mayores de datos para proporcionar resultados en tiempo real, lo que implica un creciente consumo de recursos.
La combinación de estas causas, junto con la continua búsqueda de mejoras en los modelos para lograr resultados más precisos y menos sesgados, ha incrementado la necesidad de una infraestructura de red cada vez más extensa y capaz de recibir, procesar y transmitir datos con la menor latencia posible.
Otros factores críticos de la IA que preocupan a los expertos y que también impactan negativamente en el consumo de energía, como se indica desde Silicon Technology, son los siguientes:
El elevado coste del hardware y la infraestructura de red que se necesitan para implementar la IA, así como las posibles dificultades en el suministro de estos recursos.
La complejidad tecnológica de las aplicaciones de IA a medida que van evolucionando, lo que plantea cuestiones de sostenibilidad y eficiencia energética.
La falta de optimización en muchos de los servidores utilizados para alojar sistemas de IA, lo que genera una mayor carga de trabajo para la IA, reduciendo su rendimiento y aumentando el consumo de energía.
La velocidad y la latencia de las conexiones a Internet, ya que el aumento de la cantidad de datos utilizados en ocasiones congestiona la red y desencadena una serie de problemas, entre los que se encuentra un mayor consumo de energía global.
Como apunta José Antonio Pinilla, CEO de Asseco Spain, “la clave será recurrir a superordenadores, a nuevas arquitecturas de hardware o, directamente, invertir en infraestructura de computación en la nube y en centros de datos”.
¿Cuánto consume la IA?
Los sistemas de IA superan a cualquier otro sistema de computación en cuanto al gasto de energía. A pesar de que la mayoría de las compañías no publican datos específicos al respecto y de que el consumo puede variar considerablemente según las fuentes de energía utilizadas, se estima que entrenar un solo modelo de IA equivale a:
El consumo de energía de 100 hogares en los Estados Unidos durante un año (fuente: El Español.)
Las emisiones durante la vida útil de cinco coches (fuente: Silicon Technology).
Entrenar un modelo de IA es el proceso mediante el cual se enseña a un algoritmo a realizar una tarea específica. Esto se hace proporcionándole grandes cantidades de datos y con muchas repeticiones.
El conjunto de datos contiene ejemplos y respuestas deseadas que permiten al modelo aprender patrones y características relevantes. Durante el entrenamiento, el algoritmo ajusta sus parámetros internos para minimizar la diferencia entre sus predicciones y las respuestas reales.
Este proceso se realiza a través de iteraciones sucesivas hasta que el modelo logra realizar la tarea de manera precisa. Cuanto más extenso y diverso sea el conjunto de datos de entrenamiento, más capaz será el modelo de generalizar y aplicar su conocimiento a nuevas situaciones. Todo este proceso es lo que suele requerir una cantidad significativa de recursos y energía.
¿Cuánto consume ChatGPT?
Los modelos de lenguaje en los que se basa ChatGPT para su funcionamiento requieren amplias cantidades de recursos computacionales, tanto para su entrenamiento como para su funcionamiento.
El Instituto de la Ingeniería de España revela que OpenAI empleó hasta 78.437 kWh de electricidad en el proceso de entrenamiento del anterior modelo de ChatGPT (GPT-3), lo que equivale al consumo energético de una vivienda en España a lo largo de 23 años.
Adicionalmente, un estudio realizado por investigadores de California demostró que la etapa de entrenamiento de ChatGPT 3 también implicó un consumo directo de 700.000 litros de agua dulce, es decir, lo mismo que consume una persona media en España durante más de 14 años y medio, según los datos de consumo de agua de 2022.
Los autores del estudio también han indicado que esta cantidad de agua sería equivalente a la que se requeriría para fabricar "370 automóviles BMW o 320 vehículos eléctricos Tesla".
Igualmente, apuntan que la energía consumida durante el proceso de entrenamiento inicial representa sólo el 40% del consumo energético total en el funcionamiento diario una vez que el modelo está en uso masivo.
Los investigadores llegaron a la conclusión de que una sola conversación de 20 a 50 preguntas con ChatGPT consume alrededor de 500 ml de agua y entre 0,001 y 0,01 kWh, entre un 233% y un 3.233% más que una búsqueda en Google. Aunque individualmente esta cantidad puede parecer insignificante, su impacto en términos de huella hídrica se vuelve significativo cuando se considera la amplia base de usuarios de ChatGPT.
La primera versión de ChatGPT estaba compuesta por 1.500 millones de parámetros, su sucesora, ChatGPT-3, aumentó significativamente esta cifra a 175.000 millones. Según Wired, la actual versión ChatGPT-4 podría haber sido entrenada con aproximadamente 100 billones de parámetros. Así, a medida que los modelos de Inteligencia Artificial evolucionen y vayan perfeccionándose, su demanda de energía y recursos hídricos se incrementará.
Inteligencia Artificial y Sostenibilidad: futuro impacto medioambiental
¿Cómo impactarán todos estos factores en el futuro? De acuerdo con la Agencia Internacional de la Energía, se proyecta que para el año 2030 los centros de datos consumirán aproximadamente 1.200 TWh de electricidad al año. Esta cifra es equivalente al consumo total de electricidad de Japón y Alemania juntos.
Algunos especialistas como Federico Vadillo, experto en seguridad de Akamai, apuntan que el gasto de energía de los centros de datos a nivel global podría experimentar un aumento del 30% en la próxima década.
Igualmente, Vadillo apunta que “la generación de energía es una de las principales fuentes de emisiones de gases de efecto invernadero, por lo que el aumento del consumo de energía por parte de los sistemas de IA podría aumentar las emisiones de CO2. Según algunos estudios, las emisiones de CO2 asociadas al uso de la IA podrían alcanzar las 4 gigatoneladas para el año 2030”.
Es decir, algunas de las posibles consecuencias indeseadas derivadas de la Inteligencia Artificial son las siguientes:
El incremento del consumo hídrico por parte de los centros de datos, ya que éstos necesitan grandes cantidades de agua para su proceso de enfriamiento. Además, la escasez de agua puede restringir la ubicación de estos centros en determinadas áreas geográficas.
La extracción de materias primas como metales y minerales para producir los equipos electrónicos y otros elementos para los sistemas de IA.
El aumento de los residuos electrónicos, debido a la rápida obsolescencia de los dispositivos electrónicos y la constante necesidad de actualizar los sistemas de IA.
Acciones para reducir el impacto medioambiental de la IA
La industria tecnológica ya es consciente de lo que supone la Inteligencia Artificial para la sostenibilidad del planeta y, por ello, ha comenzado a trabajar en soluciones para mejorar las infraestructuras y servicios que se necesitan para dar salida a la IA.
Como se adelantaba, el primer paso es el diseño eficiente y limpio de la IA y en cumplimiento con los criterios de sostenibilidad ambiental, propulsados por la Comisión y el Comité Europeos en los Códigos de Conducta del Reglamento de Inteligencia Artificial, entre otros textos.
Del mismo modo, el desarrollo de hardware eficiente, la optimización de infraestructuras, la mejora de los servicios en la nube y los avances en el reciclaje electrónico son otros de los aspectos en los que habrá que trabajar para garantizar que la IA sea una opción ecológicamente viable a largo plazo.
Por su parte, las empresas de telecomunicaciones tendrán que continuar mejorando las redes de banda ancha e invertir en nuevas tecnologías, como el 5G. Esto incrementará la velocidad de transmisión y la capacidad de respuesta de las IA, lo cual reducirá los esfuerzos de esta tecnología, traduciéndose directamente en un ahorro de energía.
Clarisa Martínez, directora del Centro de Excelencia de datos, analítica e IA de Capgemini España, destaca la importancia de medir y dar seguimiento con datos más rápidos y precisos a la huella de carbono y los impactos en la sostenibilidad.
Esto implica calcular la huella de carbono de los modelos de IA, desarrollar arquitecturas de Machine Learning eficientes y sistemas optimizados para entrenamiento, así como aumentar la transparencia, incorporando mediciones de emisiones junto a métricas de rendimiento y precisión.
Otros expertos señalan el uso de agua reutilizada y de energías renovables como la eólica y la solar para aumentar la eficiencia energética y reducir las emisiones de gases de efecto invernadero al utilizar la IA. Igualmente, animan a utilizar tecnologías más limpias para la producción de los equipos electrónicos.
En definitiva, se trata de que tanto los proveedores tecnológicos como los gobiernos inviertan en investigación sobre una IA más eficiente y promuevan políticas y regulación sostenibles en el desarrollo y explotación de la Inteligencia Artificial.
Recursos plásticos: ¿Es sostenible la Inteligencia Artificial?
Comments