Pensándolo bien...
La industrialización, especialmente durante sus primeras fases en los siglos XVIII y XIX, se llevó a cabo sin considerar significativamente el impacto ambiental. La industrialización afectó el medio ambiente y la conciencia ambiental ha evolucionado a lo largo del tiempo y mucho después.
La revolución industrial se basó en gran medida en el carbón como fuente de energía. La combustión de carbón liberó grandes cantidades de dióxido de carbono (CO₂) y otros contaminantes en la atmósfera. La construcción de fábricas y la urbanización rápida llevaron a la deforestación y a la destrucción de hábitats naturales. Las fábricas emitían grandes cantidades de humo y productos químicos, lo que resultó en una contaminación del aire significativa. Ciudades industriales como Londres y muchas otras, prototipo de contaminación, experimentaron graves problemas de smog. Los residuos industriales eran frecuentemente vertidos en ríos y océanos sin tratamiento adecuado, contaminando las fuentes de agua y dañando la vida acuática. La contaminación del aire y del agua ha tenido un impacto directo en la salud pública, causando enfermedades respiratorias y otras afecciones en las poblaciones urbanas. Durante los primeros años de la industrialización, había poca o ninguna regulación ambiental. Las consideraciones económicas y el crecimiento industrial siempre han sido prioritarios sobre la protección del medio ambiente.
A mediados del siglo XX, la creciente evidencia de los impactos negativos de la industrialización ha llevado a una mayor conciencia ambiental. Muchos eventos y desastres ambientales, han jugado un papel crucial. Surgieron leyes y regulaciones ambientales para mitigar el daño en muchos países desarrollados. En las últimas décadas, ha habido un esfuerzo creciente para desarrollar tecnologías más limpias y sostenibles. Esto incluye el uso de fuentes de energía renovable, la implementación de prácticas industriales más eficientes y la creación de políticas ambientales más estrictas. La economía circular busca minimizar el desperdicio y maximizar la reutilización de recursos, reduciendo así el impacto ambiental.
En suma, la industrialización inicialmente no tuvo en cuenta el medio ambiente, lo que resultó en una significativa degradación ambiental. Sin embargo, con el tiempo, la conciencia y las acciones hacia la sostenibilidad han aumentado, aunque aún queda mucho por hacer para lograr un equilibrio adecuado entre desarrollo industrial y protección ambiental.
Pero no parece que aprendamos lo suficiente. Ahora todo el mundo habla y usa o quiere usar la IA. De nuevo no se ha reparado en las consecuencias de ello. El consumo de energía de la inteligencia artificial puede variar considerablemente dependiendo de varios factores, tales como el tipo de modelo, la infraestructura utilizada, la fase del ciclo de vida (entrenamiento o inferencia) y la escala de implementación. El entrenamiento de modelos de IA, especialmente los modelos grandes y complejos puede consumir cientos de megavatios-hora de energía. Se estima que entrenar un modelo grande como GPT puede consumir más energía que la que una persona promedio usaría en varios años. La fase de inferencia, que es cuando un modelo entrenado se utiliza para hacer predicciones, también consume energía, pero generalmente menos que el entrenamiento. Depende del número de solicitudes y de la eficiencia del hardware utilizado. Para aplicaciones a gran escala, como los asistentes virtuales que manejan millones de solicitudes diarias, el consumo puede ser considerable. El tipo de hardware utilizado, como GPUs (unidades de procesamiento gráfico) o TPUs (unidades de procesamiento tensorial), puede influir significativamente en el consumo de energía. Las GPUs y TPUs de última generación están diseñadas para ser más eficientes energéticamente, pero aún así pueden consumir una gran cantidad de energía cuando están operando a plena capacidad. La eficiencia energética de los centros de proceso de datos también es crucial. Los centros modernos están optimizados para reducir el consumo de energía mediante el uso de técnicas avanzadas de refrigeración y gestión de energía. Los investigadores y desarrolladores de IA están trabajando continuamente para mejorar la eficiencia de los modelos y los algoritmos, lo que puede reducir el consumo de energía. Técnicas como el entrenamiento distribuido, el uso de modelos más pequeños y eficientes y la optimización del software y hardware son esenciales para disminuir el impacto energético.
Para poner en perspectiva, el consumo energético de la IA puede compararse con otras industrias intensivas en energía. Por ejemplo, el entrenamiento de modelos grandes puede ser comparable al consumo de energía de la industria del transporte o de las grandes instalaciones industriales. El consumo de energía de la IA es significativo, especialmente durante el entrenamiento de modelos grandes, pero hay esfuerzos continuos para mejorar la eficiencia y reducir el impacto ambiental. La creciente conciencia sobre la sostenibilidad en la tecnología está impulsando innovaciones que buscan equilibrar el avance de la IA con la necesidad de reducir el consumo de energía.
Imagen creada con ayuda de ChatGPT con DALL-E
La potencia computacional necesaria para mantener el progreso de la IA se duplica aproximadamente cada 100 días. Es imperativo que equilibremos la progresión de la IA con los imperativos de la sostenibilidad. Hay pasos que podemos dar inmediatamente y referencias que podemos introducir hoy que serán rentables en el futuro para gestionar la IA y la transición verde. La huella ambiental de la IA y sus avances, a menudo, sigue siendo pasada por alto. Los importantes efectos ecológicos de la IA exigen atención y acción. Para que la IA pueda cumplir su potencial transformador, ofreciendo niveles sin precedentes de productividad y mejorando el bienestar social, debe evolucionar de manera sostenible.
El centro de este dilema es la pesada demanda de energía del ecosistema de IA, que abarca desde hardware hasta protocolos de entrenamiento y técnicas operativas. La exigencia energética de la IA requiere que para lograr una mejora de diez veces su eficiencia, la demanda de energía computacional podría aumentar hasta en 10.000 veces. La energía necesaria para dirigir las tareas de IA ya se está acelerando con una tasa de crecimiento anual entre el 26% y el 36%. Esto significa que para 2028, la IA podría estar utilizando más energía que Islandia en 2021.
Como hemos dicho, el ciclo de vida de la IA afecta al medio ambiente en dos etapas clave: la fase de entrenamiento y la fase de inferencia. En la fase de entrenamiento, los modelos aprenden y desarrollan digiriendo grandes cantidades de datos. Una vez entrenados, entran en la fase de inferencia, donde se aplican para resolver los problemas del mundo real. En la actualidad, la huella ambiental está dividida, con cerca del 20% para la inferencia y un entrenamiento que se eleva a un 80%. A medida que los modelos de IA ganen tracción en diversos sectores, la necesidad de inferencia y su huella ambiental se intensificará.
Para alinear el rápido progreso de la IA con el imperativo de la sostenibilidad ambiental, es esencial una estrategia meticulosamente planificada. Esto abarca las acciones inmediatas y a corto plazo, al tiempo que si se fijan las bases para la sostenibilidad a largo plazo. Alguna sugerencia se centra en limitar el uso de energía durante las fases de entrenamiento e inferencia de los modelos de IA, que presenta una vía prometedora para reducir el consumo de energía de IA en un 12% a 15%, con un pequeño intercambio a tiempo para terminar las tareas con GPU que se espera que se sitúe alrededor de 3% más. Otra táctica de impacto es optimizar la programación para el ahorro de energía. Cambiar las cargas de trabajo de IA para alinearse con tiempos de menor demanda de energía, como ejecutar tareas más cortas durante la noche o planificar proyectos más grandes para los meses más frescos, en el lugar donde el uso de aire acondicionado está muy extendido, también puede conducir a un ahorro de energía sustancial. Por último, avanzar hacia el uso de centros de datos compartidos y recursos de computación en la nube en lugar de encargar individualmente infraestructuras privadas puede centralizar las tareas de cálculo en infraestructuras colectivas y reducir el consumo de energía asociado a las operaciones de IA. Esto también puede conducir a un ahorro financiero en equipos y facturas de energía potencialmente más bajas, especialmente cuando los recursos están estratégicamente ubicados en áreas con costos de energía más bajos.
A diferencia de la computación tradicional, donde el consumo de energía se intensifica con un aumento de la demanda computacional, la computación cuántica exhibe una relación lineal entre la potencia computacional y el uso de energía. Además, la tecnología cuántica tiene el potencial de transformar la IA haciendo que los modelos sean más compactos, mejorando su eficiencia de aprendizaje y mejorando su funcionalidad general sin la huella energética sustancial.
Claramente el campo en el que mejor puede exhibir su potencialidad la IA es en reenfocar todos sus procesos para una mejora sustancial en la dirección de la sostenibilidad. La intersección entre la novedad tecnológica y la responsabilidad medioambiental parece disponer de su mejor aliado en la propia IA. Difícilmente será creíble una IA incapaz de mejorar sus propios procesos para hacerlos eficaces y sostenibles energéticamente. Cómo confiar en otras aplicaciones si en su propia esencia no es capaz de ofrecer soluciones de respeto ambiental y eficacia energética. Sería algo así como volver al eterno dilema de sustitución laboral sin garantías de mejora ni social, ni económica, ni ambiental. Aunque pueda parecer que la tecnología es poderosa en cualquier caso, hay que ser rigurosos en su introducción. No podemos volver a cometer errores del pasado por “no echar las cuentas” debidamente. Con la agresividad con que el escenario mundial se ve acometido con la IA, no es aceptable el traspiés por omisión o error de cálculo. La propia naturaleza de la IA lo impide. ¡Pero ojo, no es una broma!
Sopa de letras: LA ENERGÍA EN LA IA
Soluciones: COBORDISMO