Analizamos la huella de carbono de la inteligencia artificial (IA), tanto en términos de su infraestructura física como de sus aplicaciones potenciales. Aunque tiene el potencial de revolucionar muchas industrias, la forma de vivir y trabajar, hay que tener en cuenta sus importantes implicaciones medioambientales. Centrémonos en los efectos medioambientales directos de la inteligencia artificial y en las posibles soluciones para mitigarlos. También examinamos algunas de las influencias medioambientales indirectas que pueden tener las aplicaciones de la IA.
Básicamente, los objetivos de emisiones netas cero se fueron de paseo con la IA.
Alimentar de datos a una máquina para que sea capaz de aprender el lenguaje de los humanos tiene un coste para el medio ambiente cinco veces superior a lo que contamina un automóvil durante toda su vida útil. Es la conclusión principal a la que han llegado investigadores de la Universidad de Amherst (Massachusetts, Estados Unidos), que por primera vez han evaluado la huella ecológica que supone entrenar un sistema de inteligencia artificial (IA).
El impacto medioambiental directo de la inteligencia artificial está relacionado principalmente con la infraestructura física que requiere. Ésta incluye centros de datos, procesadores y otros equipos informáticos especializados, y se denomina infraestructura informática de la IA. La gran mayoría de las pruebas concluyen que el impacto medioambiental directo de la computación de la IA es en gran medida negativo.
El ciclo de vida de la computación de IA se divide en cuatro etapas: Producción, Transporte, Operaciones y Etapas de Fin de Vida (EoL). Las emisiones más significativas (en torno al 70-80%) proceden de la fase operativa.
Esta Fase de Operaciones es la principal área de atención cuando se analiza el impacto medioambiental directo de la IA. Las dos principales consideraciones medioambientales de esta etapa son el consumo de energía y el uso de agua.
El proceso de desarrollo de técnicas de “aprendizaje profundo” en disciplinas como el ‘Machine Learning’, una de las ramas de la IA que “entrena” a los ordenadores en el reconocimiento y aprendizaje del habla humana, puede llegar a emitir 284 toneladas de dióxido de carbono equivalente (CO2e). Para poner esto en perspectiva, esta cantidad de emisiones es equivalente a la suma de las emisiones anuales de 60 automóviles. Otro ejemplo es el modelo GPT-3 de OpenAI, uno de los modelos de lenguaje más grandes y avanzados, cuya huella de carbono durante su entrenamiento fue de aproximadamente 552 toneladas de CO2, lo que es comparable a las emisiones anuales de 120 automóviles.
Si nos fijamos más concretamente en el consumo energético de la IA generativa, un estudio de Harvard descubrió que el entrenamiento del chat GPT-3 requería 1,3 gigavatios hora, es decir, tanta electricidad como la que consumen 120 hogares estadounidenses en un año. La principal preocupación de la IA generativa es que la complejidad del modelo aumenta exponencialmente y, por tanto, necesita mucha más energía.
Esa energía procede de la ingente cantidad de datos que se extraen de internet y que se procesan a través de sistemas informáticos.
Dado que las grandes empresas tecnológicas y los operadores de centros de datos necesitan tanta energía, muchos de ellos se han comprometido de forma significativa con las energías renovables. Esto tiene pros y contras. La clara desventaja es que un solo sector consume una enorme cantidad de energía renovable.
La huella hídrica de los centros de datos viene determinada tanto por el agua consumida para la generación de electricidad como por el agua consumida para la refrigeración. Según un estudio reciente de la Universidad de Massachusetts Amherst, el entrenamiento de un único modelo generativo de IA puede consumir hasta 284.000 litros de agua. Eso equivale a la cantidad de agua que consumiría una persona media a lo largo de 27 años.
Abundan otros ejemplos, y está claro que la IA tiene potencial para aportar importantes beneficios medioambientales. Sin embargo, cualquier aplicación de IA que mejore la eficiencia de industrias ya de por sí perjudiciales se consideraría perjudicial. Y el argumento de que la inteligencia artificial mejora la eficiencia de las operaciones y, por tanto, es beneficiosa para el medio ambiente sólo es válido si, para una tarea determinada, disminuye el consumo de energía. No obstante, a medida que las tecnologías se vuelven más eficientes y productivas, pueden provocar un aumento de la demanda y el consumo. Esto puede contrarrestar cualquier beneficio medioambiental o económico de la mayor eficiencia.
Las empresas tecnológicas, al ser los principales desarrolladores y usuarios de IA, son responsables de una parte considerable de estas emisiones:
Google, uno de los líderes en inteligencia artificial, ha reconocido que su uso extensivo de IA contribuye significativamente a sus emisiones de carbono. A pesar de sus esfuerzos por reducir su huella de carbono a través del uso de energías renovables y la mejora de la eficiencia energética, el impacto de la IA sigue siendo un desafío.
Amazon Web Services (AWS), la división de servicios en la nube de Amazon, también enfrenta críticas por su consumo energético. AWS es uno de los mayores proveedores de infraestructura para el entrenamiento de modelos de IA y sus centros de datos consumen enormes cantidades de electricidad. Aunque Amazon ha hecho compromisos públicos para alcanzar cero emisiones netas de carbono para 2040 y está invirtiendo en energía renovable, el rápido crecimiento de su negocio de IA y computación en la nube dificulta estos esfuerzos.
Otra empresa, Microsoft, ha implementado estrategias para reducir las emisiones de carbono asociadas con su uso de IA, como la compra de créditos de carbono y la inversión en proyectos de reforestación. Sin embargo, la escala y la velocidad del desarrollo de la IA plantean desafíos continuos para mantener las emisiones bajo control.
Las proyecciones indican que, si no se toman medidas significativas, las emisiones de CO2 relacionadas con la IA podrían aumentar exponencialmente. Un estudio de OpenAI sugiere que la cantidad de recursos computacionales necesarios para entrenar los modelos más avanzados de IA ha estado duplicándose cada 3.4 meses, lo que implica un crecimiento exponencial en el consumo energético y las emisiones asociadas.
Para mitigar este impacto, es crucial que las empresas tecnológicas y los investigadores adopten prácticas más sostenibles. Esto incluye la optimización de algoritmos para hacerlos más eficientes energéticamente, el uso de hardware especializado que consuma menos energía y la transición hacia fuentes de energía renovable para alimentar centros de datos. Sin estas medidas, el crecimiento incontrolado de la IA podría llevar a un aumento significativo en la huella de carbono global, contrarrestando los beneficios económicos y sociales que la IA promete ofrecer.
Fuentes:
- Universidad de Massachusetts (Amherst)
- Fundación Fepropaz
- Schroders
- Negotia Argentina
- tom´s Hardware