Imágenes de Quantic69/ISTOCK/GETTY

Puede parecer magia. Escribe una solicitud en ChatGPT, haz clic en un botón y, ¡listo!, encontrarás un análisis de cinco párrafos de Hamlet de Shakespeare y, como beneficio adicional, está escrito en pentámetro yámbico. O cuéntale a DALL-E sobre el animal quimérico de tu sueño y obtendrás una imagen de un híbrido de geco, lobo y estrella de mar. Si te sientes deprimido, invoca al “fantasma” digital de tu abuela fallecida y recibe algo de consuelo ( SN: 15/6/24, p. 10 ).

A pesar de lo que pueda parecer, nada de esto surge de la nada. Cada interacción con un chatbot u otro sistema de IA generativa se canaliza a través de cables hasta un centro de datos, un almacén lleno de pilas de servidores que pasan estas indicaciones a través de miles de millones (y potencialmente billones) de parámetros que dictan cómo responde un modelo generativo.

El procesamiento y la respuesta a las solicitudes consumen electricidad, al igual que la infraestructura de apoyo, como los ventiladores y el aire acondicionado que enfrían los servidores. Además de las elevadas facturas de los servicios públicos, el resultado son muchas emisiones de carbono que provocan el calentamiento global. La generación de electricidad y la refrigeración de los servidores también absorben toneladas de agua, que se utiliza en la producción de combustibles fósiles y energía nuclear, y en los sistemas de disipación de calor por evaporación o líquido.

Este año, a medida que la popularidad de la IA generativa siguió aumentando, los ambientalistas dieron la voz de alarma sobre esta tecnología que consume muchos recursos. El debate sobre cómo sopesar los costos frente a los beneficios menos tangibles que aporta la IA generativa, como el aumento de la productividad y el acceso a la información, está plagado de divisiones ideológicas sobre el propósito y el valor de la tecnología.

Los defensores sostienen que esta última revolución en IA es un bien social, incluso una necesidad, que nos acerca más que nunca a la inteligencia artificial general, sistemas informáticos hipercapaces que, según algunos, podrían ser una tecnología que cambie paradigmas a la par de la imprenta o Internet.

La IA generativa “es un acelerador de todo lo que uno quiera hacer”, afirma Rick Stevens, director asociado de laboratorio en el Laboratorio Nacional Argonne y científico informático de la Universidad de Chicago. En su opinión, la tecnología ya ha permitido importantes aumentos de productividad para empresas e investigadores.

Según un análisis, el rendimiento se incrementó en un 40% cuando los trabajadores cualificados utilizaron herramientas de IA, añade. Los asistentes de IA pueden mejorar el aprendizaje de vocabulario en las escuelas, o ayudar a los médicos a diagnosticar y tratar a los pacientes y mejorar el acceso a la información médica, afirma Charlotte Blease, investigadora interdisciplinaria de la Universidad de Uppsala (Suecia) que estudia los datos sanitarios. La IA generativa podría incluso ayudar a los urbanistas a reducir el tráfico (y reducir las emisiones de carbono en el proceso) o ayudar a las agencias gubernamentales a pronosticar mejor el tiempo, afirma Priya Donti, ingeniera eléctrica y científica informática del MIT y cofundadora de la organización sin ánimo de lucro Climate Change AI. La lista continúa.

Ahora, en este momento crítico, expertos de campos tan variados como la economía, la ingeniería informática y la sostenibilidad están trabajando para evaluar la verdadera carga de la tecnología.

¿Cuánta energía consume la IA?

ChatGPT y otras herramientas generativas consumen mucha energía, dice Alex de Vries, fundador de la agencia de investigación y consultoría Digiconomist y candidato a doctorado en la Universidad Libre de Ámsterdam. “Cuanto más grandes sean estos modelos (cuantos más parámetros, más datos) mejor funcionarán. Pero, por supuesto, cuanto más grandes sean, más recursos computacionales se necesitarán para entrenarlos y ejecutarlos, lo que requiere más energía”, dice de Vries, quien estudia el impacto ambiental de tecnologías como las criptomonedas y la IA. “Más grande es mejor funciona para la IA generativa, pero no funciona para el medio ambiente”.

Entrenar modelos de IA generativos para que produzcan un análisis de Shakespeare o la imagen de un animal fantástico es costoso. El proceso implica desarrollar una arquitectura de IA, acumular y almacenar grandes cantidades de datos digitales y luego hacer que el sistema de IA ingiera e incorpore esos datos (que pueden ser todos los que están disponibles públicamente en Internet) en sus procesos de toma de decisiones. Perfeccionar los modelos para que sean más parecidos a los humanos y evitar respuestas inseguras requiere un esfuerzo adicional ( SN: 27/1/24, p. 18 ).

En total, entrenar un solo modelo consume más energía que 100 hogares estadounidenses en un año. Consultar ChatGPT consume aproximadamente 10 veces más energía que una búsqueda en línea estándar , según la Agencia Internacional de Energía. Redactar un correo electrónico con un chatbot de IA puede consumir siete veces más energía que cargar por completo un iPhone 16, estiman algunos investigadores.

Aunque la formación es claramente un gran consumo de recursos, cuando millones de personas dependen de los chatbots para las tareas cotidianas, el gasto se acumula, afirma Shaolei Ren, ingeniero eléctrico e informático de la Universidad de California, Riverside. Tanto es así que el sector de la IA podría consumir pronto tanta energía al año como los Países Bajos, según estimó De Vries en 2023 en Joule . Dado el rápido crecimiento de la IA generativa, la trayectoria actual ya supera la predicción.

Consumidor de energía

Los requisitos energéticos diarios totales de la búsqueda de Google superan actualmente a los de ChatGPT, ya que procesa aproximadamente 8500 millones de búsquedas diarias, en comparación con los 13 millones de consultas diarias de ChatGPT. Entrenar un modelo de IA generativa como ChatGPT consume una gran cantidad de energía, pero el uso individual a lo largo del tiempo se va sumando.

Y eso es solo electricidad. De 10 a 50 consultas de ChatGPT utilizan medio litro de agua, según un análisis de 2023 realizado por Ren y sus colegas. Eso también resultó ser una gran subestimación, dice, con un error de un factor de cuatro.

Algunos ingenieros y expertos en inteligencia artificial cuestionan estas cifras. “No entiendo qué fundamento científico hay detrás de estas [estimaciones]”, dice David Patterson, ingeniero de Google y profesor emérito de la Universidad de California en Berkeley. “La única forma que imagino de obtener una respuesta [precisa] sería con una estrecha cooperación con una empresa como Google”.

En la actualidad, eso es imposible. Las empresas tecnológicas publican información limitada sobre sus centros de datos y modelos de IA, dicen de Vries y Ren. Por eso es difícil evaluar con precisión el costo de la IA desde el principio hasta el fin o predecir el futuro. En sus estimaciones, ambos investigadores se basaron en indicadores indirectos, como las cifras de producción de servidores de IA de la empresa tecnológica Nvidia o la combinación de conocimientos sobre las ubicaciones de los centros de datos con información de los informes de sostenibilidad corporativa.

Sin embargo, las tendencias del mundo real apuntan al voraz apetito energético de la IA. Durante décadas, antes del auge de la IA generativa, las ganancias de eficiencia compensaron la creciente demanda de energía que vino con las expansiones de los centros de datos y la informática, dice Andrew Chien, un científico informático de la Universidad de Chicago. Eso ha cambiado. A fines de 2020, la expansión de los centros de datos comenzó a superar las mejoras de eficiencia, dice. El consumo de energía informado por Google y Microsoft se duplicó con creces entre 2019 y 2023. El lanzamiento de ChatGPT a fines de 2022 inició un frenesí de IA generativa, lo que exacerbó el problema, dice Chien. Antes de 2022, la demanda total de energía en los Estados Unidos se había mantenido estable durante unos 15 años. Ahora está aumentando.

“La forma más fácil de ahorrar energía es no hacer nada”, afirma Patterson. Pero “el progreso implica inversión y costos”. La IA generativa es una tecnología muy joven y detenerla ahora obstaculizaría su potencial, sostiene. “Es demasiado pronto para saber que [la IA generativa] no compensará con creces la inversión”.

Un camino más sostenible para la IA

La decisión no tiene por qué ser entre detener por completo el desarrollo de la IA generativa o permitir que continúe sin restricciones. En cambio, la mayoría de los expertos señalan que hay una forma más responsable de abordar la tecnología, mitigando los riesgos y maximizando las recompensas.

Según Lynn Kaack, experta en informática y políticas públicas de la Hertie School de Berlín, sería un paso en la dirección correcta establecer políticas que exijan a las empresas revelar dónde y cómo utilizan la IA generativa, así como el consumo de energía correspondiente. Regular los usos de la tecnología y el acceso a ella puede resultar difícil, pero Kaack afirma que es clave para minimizar el daño ambiental y social.

Tal vez no todo el mundo, por ejemplo, debería poder producir libremente clones de voz e imágenes fotorrealistas con un solo clic. ¿Deberíamos destinar la misma cantidad de recursos a respaldar una máquina generadora de memes que a ejecutar un modelo de pronóstico de huracanes?

Una mayor investigación sobre las limitaciones de la tecnología también podría evitar un gran consumo inútil. La IA “es muy poderosa en ciertos tipos de aplicaciones, pero completamente inútil en otras”, afirma Kaack.

Mientras tanto, los centros de datos y los desarrolladores de inteligencia artificial podrían tomar medidas para reducir sus emisiones de carbono y el uso de recursos, dice Chien. Cambios simples como entrenar modelos solo cuando hay suficiente energía libre de carbono en la red (por ejemplo, en días soleados cuando los paneles solares producen un exceso de energía) o reducir sutilmente el rendimiento del sistema en momentos de máxima demanda de energía podrían marcar una diferencia mensurable. Reemplazar la refrigeración por evaporación que consume mucha agua por refrigeración por inmersión en líquido u otras estrategias de circuito cerrado que permitan el reciclaje del agua también minimizarían la demanda.

Cada una de estas opciones implica concesiones. Los sistemas más eficientes en carbono generalmente utilizan más agua, dice Ren. No hay una solución única para todos. La alternativa a explorar e incentivar estas opciones, incluso si dificultan ligeramente que las empresas desarrollen modelos de IA cada vez más grandes, es poner en riesgo parte de nuestro destino ambiental colectivo, dice.

“No hay motivos para creer que la tecnología nos va a salvar”, dice Chien. ¿Por qué entonces no cubrir nuestras apuestas?

Citas

Agencia Internacional de la Energía. Electricidad 2024: Análisis y previsiones hasta 2026. Publicado en enero de 2024.

P. Li et al. Making AI Less “Thirsty”: Uncovering and Addressing the Secret Water Footprint of AI Models (Hacer que la IA tenga menos “sed”: descubrir y abordar la huella hídrica secreta de los modelos de IA). arXiv.org. Publicado en línea el 29 de octubre de 2023.

A. de Vries. La creciente huella energética de la inteligencia artificial. Joule. Vol. 7, 18 de octubre de 2023, pág. 2191. doi: 10.1016/j.joule.2023.09.004.

Acerca de Lauren Leffer

Lauren Leffer es periodista de ciencia, tecnología y medioambiente. Escribe sobre muchos temas, entre ellos inteligencia artificial, clima y biología extraña, porque es curiosa hasta la médula. Cuando no está escribiendo, espera estar haciendo senderismo.

Autor

Autor

Science News

Durante casi un siglo, los periodistas de Science News han cubierto avances en ciencia, medicina y tecnología para el público en general, incluido el ensayo del "mono" de Scopes de 1925, el advenimiento de la era atómica en 1945, la carrera espacial y la revolución de la ingeniería genética, desde el descubrimiento del ADN hasta la tecnología actual de edición de genes. En apoyo de nuestra misión de servir al interés público al brindar una cobertura precisa e imparcial de noticias en ciencia, medicina y tecnología, seguimos estándares ampliamente reconocidos de periodismo desarrollados y adheridos por las principales organizaciones de noticias. Eso incluye ser honestos y transparentes en nuestro trabajo y en nuestras interacciones con fuentes y lectores.