Costos ambientales de la Inteligencia Artificial
El procesamiento de datos contribuye a los costos ambientales de la IA. (Freepik)
Los costos ambientales de la IA son una preocupación importante en nuestra sociedad actual. El procesamiento de datos, en particular, contribuye en gran medida a las emisiones de CO2 y tiene un impacto desproporcionado en las comunidades marginadas.
La Inteligencia Artificial se está convirtiendo rápidamente en parte de nuestra vida cotidiana. Desde teléfonos inteligentes hasta automóviles autónomos, la IA está cambiando la forma en que vivimos y trabajamos.
Sin embargo, mientras disfrutamos de los beneficios de la IA, también es esencial examinar y comprender los costos ambientales asociados con esta tecnología en constante evolución.
Así es como la Inteligencia Artificial encabezó el primer servicio religioso en Alemania
Uno de los aspectos clave que contribuye a los costos ambientales de la IA es el procesamiento de datos. Las supercomputadoras utilizadas para ejecutar programas de IA dependen en gran medida de la red eléctrica pública para su funcionamiento.
Además, estas supercomputadoras a menudo están respaldadas por generadores diésel de respaldo para garantizar un suministro constante de energía. El consumo de energía asociado con la ejecución de algoritmos de IA es significativo y tiene un impacto directo en las emisiones de dióxido de carbono (CO2).
Sorprendentemente, un estudio de la profesora de la Universidad Carnegie Mellon, Emma Strubell, sobre la huella de carbono de la capacitación de LLM (modelo grande de lenguaje, por sus siglas en inglés), estimó en 2019 que entrenar un modelo llamado BERT, que tenía solo 213 millones de parámetros, emitió 280 toneladas métricas de emisiones de carbono, aproximadamente el equivalente a las emisiones de cinco automóviles durante toda su vida (y eso incluye la fabricación en sí).
Otro estudio asegura que entrenar un LLM de la era de 2022 emitió al menos 25 toneladas métricas de equivalentes de carbono si se usan energías renovables.
Mientras que si se utilizaban fuentes de energía intensivas en carbono, como el carbón y el gas natural, como fue el caso de GPT-3, este número subía rápidamente a 500 toneladas métricas de emisiones de carbono.
Es importante destacar que estos cálculos no consideran la fabricación del hardware utilizado para entrenar los modelos, ni las emisiones incurridas cuando los LLM se implementan en el mundo real.
Por ejemplo, con ChatGPT, que fue consultado por decenas de millones de usuarios en su apogeo hace un mes, miles de copias del modelo se ejecutan en paralelo, respondiendo a las consultas de los usuarios en tiempo real, todo mientras se usan megavatios hora de electricidad y se genera toneladas métricas de emisiones de carbono.
¿ChatGPT puede ser tu terapeuta? Lo bueno y lo malo de usarlo con este fin
Es difícil estimar la cantidad exacta de emisiones que esto genera, dado el secreto y la falta de transparencia en torno a estos grandes LLM.
Estas cifras son alarmantes y ponen de relieve la magnitud del problema ambiental asociado con la IA. De hecho, las emisiones de CO2 producidas por el uso de tecnología de IA en diversos sectores se comparan con las de la industria de la aviación.
Esta analogía es impactante y nos obliga a reflexionar sobre la necesidad de abordar los costos ambientales de la IA de manera urgente.
Además, también es crucial destacar que estas emisiones adicionales de CO2 tienen un impacto desproporcionado en las comunidades históricamente marginadas.
Estas comunidades a menudo residen en áreas altamente contaminadas y ya se enfrentan a mayores riesgos para la salud debido a la exposición a la contaminación del aire.
El aumento de las emisiones de CO2 como resultado del uso generalizado de la IA solo agrava esta disparidad y coloca una carga adicional en aquellos que ya están más afectados por los problemas ambientales.
Sin embargo, no se tiene claridad sobre estas afectaciones en particular debido a la falta de transparencia. Aunque hay varios informes publicados sobre ellos, no sabemos casi nada sobre su tamaño y su funcionamiento. El acceso se proporciona a través de API, lo que significa que son esencialmente cajas negras que los usuarios pueden consultar.
Es por ello que, para abordar estos desafíos, es necesario implementar medidas que mitiguen los costos ambientales de la IA. En primer lugar, se debe trabajar en la eficiencia energética de los sistemas de IA.
Esto implica buscar formas de reducir el consumo de energía sin comprometer el rendimiento y la capacidad de procesamiento de los algoritmos.
¿Qué es la Inteligencia Artificial y por qué todo mundo habla de ella?
Además, es esencial invertir en fuentes de energía renovable para alimentar las supercomputadoras utilizadas en la IA. Al hacerlo, podemos reducir drásticamente las emisiones de CO2 asociadas con la tecnología.
Bajo el mismo orden de ideas, es fundamental promover una mayor conciencia y educación sobre los costos ambientales de la IA.
Tanto los desarrolladores como los usuarios de la tecnología deben ser conscientes de los impactos ambientales de sus acciones y buscar soluciones sostenibles.
Esto implica tomar decisiones informadas al diseñar y utilizar algoritmos de IA, considerando no solo el rendimiento y la precisión, sino también los efectos ambientales a largo plazo.
Asimismo, es necesario fomentar la investigación y el desarrollo de nuevas tecnologías que aborden directamente los costos ambientales de la IA. Por ejemplo, se pueden explorar enfoques como el uso de algoritmos más eficientes que requieran menos procesamiento de datos y energía.
Además, la implementación de técnicas de aprendizaje automático en la optimización de la eficiencia energética puede ofrecer soluciones innovadoras para reducir las emisiones de CO2 asociadas con la IA.
La IA también falla, 3 veces en que la tecnología arruinó una profesión
En síntesis, los costos ambientales de la IA son una preocupación importante en nuestra sociedad actual.
El procesamiento de datos, en particular, contribuye en gran medida a las emisiones de CO2 y tiene un impacto desproporcionado en las comunidades marginadas.
Sin embargo, es probable que, al adoptar enfoques orientados hacia la eficiencia energética, el uso de fuentes de energía renovable y la conciencia ambiental, seamos capaces de mitigar los costos ambientales de la IA. Para ello, es fundamental reconocer la necesidad de abordar este desafío de manera urgente para garantizar un futuro sostenible para todos.
CONTACTO
LinkedIn: Fernanda Rocha
Twitter: Fernanda Rocha
Síguenos en Google News
