La inteligencia artificial (IA) se ha convertido en una herramienta poderosa en diversas industrias, revolucionando la atención médica, la astronomía y más. Si bien la IA ofrece numerosas ventajas, incluido su papel para abordar el cambio climático, también plantea desafíos ambientales. Este artículo explora el impacto ambiental de la IA, centrándose en el consumo de energía, las emisiones de carbono y el uso del agua, mientras los expertos lidian con el complejo equilibrio entre beneficios y daños.
La doble naturaleza de la IA
Determinar si las tecnologías de IA aportan más daño o beneficio es una tarea compleja. Por un lado, la IA mejora la eficiencia y la productividad en sectores como la salud y la ciencia climática. Por el contrario, ciertos sistemas de IA consumen una cantidad sustancial de energía y amplifican industrias que ya dañan el medio ambiente, lo que plantea dilemas éticos y ambientales.
El impacto ambiental de la IA sigue siendo poco conocido, por lo que se requieren más investigaciones para evaluar su alcance completo. Los expertos destacan la necesidad de un examen exhaustivo de las tecnologías de inteligencia artificial, como Bard y ChatGPT de Google, reconocidas por sus capacidades basadas en texto.
Los modelos de lenguajes grandes (LLM) como Bard y ChatGPT han llamado la atención por su naturaleza intensiva en energía. Estos modelos exigen una enorme energía informática durante las fases de entrenamiento y utilización, lo que genera preocupación sobre su huella de carbono.
Emisiones de carbono en el entrenamiento de IA
Un informe reciente del Instituto Canadiense de Investigación Avanzada (CIFAR) arroja luz sobre las emisiones de carbono asociadas con la formación de LLM. La formación es un proceso que consume mucha energía y en los últimos años los chips informáticos especializados se han vuelto más potentes. Esto aumenta la velocidad de aprendizaje, pero también aumenta el consumo de recursos, incluida la electricidad procedente de fuentes no renovables, lo que contribuye a las emisiones de carbono.
Según la investigación, el GPT-3 de Microsoft emitió 502 toneladas de CO2 durante su entrenamiento, lo que equivale a las emisiones anuales de 304 hogares. Gopher de DeepMind, un LLM de 2021, emitió 352 toneladas de CO2. Es importante destacar que las emisiones de carbono continúan incluso durante el uso de la IA al responder consultas, ya que cada interacción tiene un impacto de carbono.
Agotamiento del agua por IA
Los sistemas de inteligencia artificial, en particular los LLM, generan calor durante el funcionamiento, lo que requiere mecanismos de enfriamiento. Esto da como resultado el consumo de grandes cantidades de agua dulce, lo que agota aún más los recursos ambientales. Por ejemplo, los centros de datos de Google consumieron 12.700 millones de litros de agua dulce para refrigeración en 2021, mientras que el centro de formación de Microsoft GPT-3 utilizó alrededor de 700.000 litros de agua dulce.
El impacto de los algoritmos más pequeños
Los algoritmos de IA más pequeños, como Bloom, también contribuyen a las preocupaciones medioambientales. Si bien su impacto individual puede parecer menor, su efecto acumulativo puede ser sustancial cuando se implementa en aplicaciones orientadas al usuario que reciben millones de consultas diariamente. Estos cálculos no tienen en cuenta los costos ambientales adicionales relacionados con la refrigeración de edificios, el almacenamiento de computadoras y las redes de servidores.
Los esfuerzos hacia una IA sostenible están ganando impulso. Microsoft, por ejemplo, está invirtiendo en investigación para medir el uso de energía y el impacto de carbono de la IA mientras se esfuerza por mejorar la eficiencia. Las empresas también están enfatizando el uso de fuentes de energía limpia para alimentar los centros de datos y alineándose con los objetivos de sostenibilidad.
La diversidad de impacto de la IA
El impacto ambiental de la IA varía significativamente según su aplicación. Los modelos predictivos de IA pueden contribuir positivamente al ayudar a la mitigación del cambio climático, como la detección de la deforestación. Sin embargo, la misma tecnología puede exacerbar los problemas ambientales cuando se aplica para acelerar la extracción de recursos en industrias como la exploración de petróleo y gas.
La IA puede desempeñar un papel fundamental en la lucha contra el cambio climático si se utiliza con prudencia. Ayuda a comprender los patrones ambientales, pronosticar desastres naturales y optimizar el uso de recursos en diversos sectores. Si bien los grandes modelos lingüísticos pueden captar la atención, el campo más amplio de la IA abarca una amplia gama de aplicaciones con distintos requisitos energéticos.
IA más allá de los grandes modelos de lenguaje
El impacto de la IA se extiende más allá de los LLM de alto perfil y afecta a diversas facetas de la sociedad. Los sistemas de recomendación, los algoritmos de control para fábricas, las imágenes satelitales para la agricultura y los algoritmos de pronóstico financiero dependen de la IA. Estas aplicaciones suelen consumir menos energía que los LLM, pero tienen un profundo impacto social.
Las consecuencias medioambientales de las tecnologías de IA, en particular de los grandes modelos lingüísticos, exigen una cuidadosa consideración. Mientras el mundo se enfrenta al atractivo y la aprensión que rodean a la IA, es crucial comprender sus diversos efectos ambientales. Lograr un equilibrio entre aprovechar el potencial de la IA para generar cambios positivos y mitigar sus costos ambientales es un desafío continuo que requiere la colaboración entre investigadores, partes interesadas de la industria y formuladores de políticas.