El impacto ambiental de la IA en el planeta a través del gasto de energía, agua y emisiones de carbono asociadas.
Fuente: LUDD
Un nuevo informe de varios estudios publicado en Nature hace unas horas expone uno de los puntos más controvertidos en torno a las IAs generativas, su incesante desarrollo está consumiendo cada vez más, y los sistemas energéticos tendrán dificultades para hacer frente a ella. Dicho de otra forma, el coste e impacto ambiental se está disparando. Ya lo decía hace poco el propio Sam Altman (OpenAI), la industria de la IA se dirige hacia una crisis energética.
El informe de Nature revela que la industria de la inteligencia artificial se encamina hacia un terreno energético muy incierto. Las GPU utilizadas en la tecnología de IA requieren enormes cantidades de energía para enfriarse y funcionar, lo que genera un impacto significativo en el medio ambiente. A medida que los modelos de IA se vuelven más complejos, se espera que aumenten sus necesidades energéticas, lo que podría exacerbar la carga ambiental.
Según se explica en la publicación:
Una evaluación sugiere que ChatGPT, el chatbot creado por OpenAI en San Francisco, California, ya está consumiendo la energía de 33.000 hogares. Se estima que una búsqueda impulsada por IA generativa utiliza de cuatro a cinco veces más energía que una búsqueda web convencional. Dentro de unos años, es probable que los grandes sistemas de IA necesiten tanta energía como naciones enteras.
El problema es que no hablamos solo de energía. La conservación del agua es otra preocupación crítica relacionada con la tecnología de inteligencia artificial, sobre todo por culpa de los sistemas de enfriamiento de los centros de datos que consumen mucha, demasiada. Estas instalaciones, especialmente aquellas ubicadas en climas más cálidos, requieren enormes cantidades de agua para enfriar sus equipos.
Por ejemplo: el uso cada vez mayor de tecnología de inteligencia artificial como ChatGPT de OpenAI ha provocado un aumento en el consumo de agua, lo que ha contribuido significativamente al uso de agua en Estados Unidos y en todo el mundo. No solo eso. El modelo GPT 4 por sí solo consumió un asombroso 6% del suministro de agua de Des Moines (Iowa) a través de sus 295.000 chips de computadora.
Y no es un problema de OpenAI únicamente. Mientras Google y Microsoft preparaban sus grandes modelos de lenguajes Bard y Bing, ambos experimentaron importantes picos en el uso de agua: aumentos del 20% y 34%, respectivamente, en un año, según los informes ambientales de las empresas.
Un estudio sugiere que, a nivel mundial, la demanda de agua para la IA podría ser la mitad que la del Reino Unido para 2027. En otro, los investigadores de IA de Facebook llamaron a los efectos ambientales de la búsqueda de escala por parte de la industria el “elefante en la habitación”.
¿Y qué se está haciendo para combatirlo? En respuesta a la creciente huella ambiental de la IA, los legisladores, reguladores y organizaciones internacionales están tomando medidas para evaluar y regular el impacto ambiental de la tecnología. La Ley de Impactos Ambientales de la Inteligencia Artificial de 2024, presentada por los demócratas estadounidenses, es una iniciativa notable para abordar dicha cuestión. Sin embargo, la falta de estándares y regulaciones ha llevado a que las empresas de tecnología informen sobre los impactos de la IA de maneras muy diferentes, cuanto menos, lo que indica la necesidad de un enfoque más uniforme entre todos.
Por último, más allá del consumo de energía y agua, las emisiones de carbono asociadas con la IA también son una preocupación importante. La formación de modelos de IA contribuye sustancialmente a la huella de carbono del sector tecnológico. Por su parte, los gigantes tecnológicos están intentando mitigar estos efectos invirtiendo en energía verde, utilizando modelos de aprendizaje automático para redirigir solicitudes informáticas no urgentes lejos de los centros de datos locales con mayor huella de carbono y prometiendo alcanzar objetivos de carbono cero en años específicos.
Ocurre que todo esto se puede hacer ahora, pero imaginémonos la cantidad de datos que pueden manejar en tan solo 5 o 10 años…