Con la rápida expansión de la inteligencia artificial, los organismos de control medioambiental empiezan a dar la voz de alarma sobre la cantidad de energía que consumen los modelos de inteligencia artificial. Pero estas advertencias deben basarse en cifras reales, y un nuevo informe del fundador de Digiconomist, Alex de Vries, intenta cuantificar el creciente impacto medioambiental de la IA.
De Vries -que también hace un seguimiento del consumo energético de la minería de criptomonedas- afirma que la fase de entrenamiento de los modelos de IA es la que más energía consume. Es entonces cuando se alimenta al programa con grandes conjuntos de datos, antes incluso de que responda a una sola pregunta. Pero de Vries sostiene que los grupos ecologistas no prestan tanta atención a la fase de inferencia, cuando la IA se prueba con datos del mundo real, cuando puede contribuir significativamente al coste del ciclo de vida de un modelo de IA.
Han pasado nueve años desde que Digiconomist se lanzó por primera vez con el objetivo de «exponer las consecuencias imprevistas de las tendencias digitales». Durante gran parte de estos nueve años, la sostenibilidad de los activos digitales como Bitcoin ha sido un foco clave de la investigación de…
– Digiconomist (@DigiEconomist) October 10, 2023
«Hay algunas cifras flotando por ahí sobre el uso energético de la huella de carbono de AI, pero a pesar de algunas preocupaciones, el contenido para apoyar eso, al menos hasta ahora, no estaba allí», dijo de Vries a TCN. «Pensé que ahí era donde yo podía intervenir e intentar arrojar algo de luz al respecto, aunque es muy difícil».
«Es muy diferente que con las criptodivisas para llegar a los números», añadió.
Los desarrolladores de IA, dijo de Vries, suelen utilizar la misma narrativa que las empresas de criptomonedas, afirmando que [influyen en las empresas de servicios públicos para que] produzcan energía renovable. Pero el coste de construir los grandes centros de datos necesarios para albergar cientos de ordenadores o servidores no aporta nada, como puestos de trabajo, a la economía local.
«No se necesita mucha gente para gestionar un centro de datos, y tampoco atrae a más empresas porque no hay que estar al lado del centro de datos», afirma de Vries. «Así que te quedas con un enorme devorador de energía».
De Vries destacó el tiempo de respuesta de la comunidad ambiental cuando se trata de industrias que consumen una gran cantidad de energía, y las diferencias entre el escrutinio ecológico de Bitcoin que vino después del estallido de la burbuja de 2017 y el bombo actual en torno a la IA.
«La comunidad medioambiental tiende a ser un poco lenta: los primeros titulares sobre el consumo eléctrico de Bitcoin se produjeron en 2017 o 2018, cuando estalló la primera burbuja de Bitcoin», explica de Vries. «Hubo que esperar hasta la segunda mitad de 2022 para que las organizaciones medioambientales empezaran a involucrarse seriamente».
A principios de este mes, un informe de Associated Press dijo que los centros de datos como los utilizados para ChatGPT consumen alrededor de 500 mililitros de agua por cada 5 a 50 indicaciones. AP señaló que los centros de datos de OpenAI se encuentran supuestamente cerca de las mismas aguas de Iowa que alimentan los campos de maíz locales.
Mientras de Vries y otros intentan llamar la atención sobre el consumo de energía de la IA, otros, sin embargo, dicen que la preocupación resultará tan exagerada como lo fue para el consumo de energía de las blockchains.
«Veremos cómo las predicciones apocalípticas sobre el uso de energía de la IA caen en saco roto», dijo previamente a TCN el director de investigación de HIVE, Adam Sharp, citando una predicción de Newsweek de 2017 de que Bitcoin consumiría el 100% de la energía mundial en 2020.
«Esta tecnología es muy nueva, y la eficiencia mejorará drásticamente en los próximos años», dijo Sharp.
En su informe, de Vries advierte del peligro de contar con la tecnología de IA y las mejoras del hardware para resolver los problemas medioambientales de la tecnología.
«Probablemente sea demasiado optimista esperar que las mejoras en la eficiencia del hardware y el software compensen totalmente cualquier cambio a largo plazo en el consumo eléctrico relacionado con la IA», escribió de Vries. «Estos avances pueden desencadenar un efecto rebote por el que el aumento de la eficiencia lleve a un aumento de la demanda de IA, escalando en lugar de reduciendo el uso total de recursos».
De Vries espera que, a medida que aparezcan más titulares sobre el consumo eléctrico de la IA, los grupos ecologistas presten atención, tras haber aprendido de las criptodivisas. Sin embargo, de Vries dijo que los limitados datos disponibles pueden llevar a los grupos a dejar la cuestión del consumo de energía de la IA en un segundo plano.
«En este momento, las cifras son pequeñas, por lo que se puede argumentar: ‘¿Por qué tenemos que poner esto muy alto en nuestra agenda si todavía es pequeño? «Pero la cosa no va a seguir siendo pequeña durante mucho tiempo».
De Vries espera que la gente considere la sostenibilidad un factor clave a la hora de utilizar la IA y otras limitaciones y preocupaciones conocidas. A medida que las herramientas de IA se hacen más omnipresentes, los investigadores han dado la voz de alarma sobre la privacidad de los datos, el patrón de la IA de producir respuestas sesgadas o racistas y generar información falsa, también conocida como alucinar.
«Hay mucho bombo y platillo, y creo que eso es lo más importante de las tecnologías emergentes», afirma de Vries. «Todo el mundo se pierde siempre en el bombo publicitario y el miedo a perderse algo, y tenemos que hacer algo, y nos olvidamos por completo del usuario final».
Comparándolo con el bombo publicitario que rodea a blockchain, De Vries advirtió contra pensar en la IA como una bala de plata para resolver todos los problemas del mundo.
«En realidad, no es necesario probar algo para darse cuenta de que no va a ser útil», dijo. «Va a haber casos muy claros en los que se necesite una base de datos distribuida y otros en los que no, y también va a ser el caso de la IA cuando se ejecute vas a necesitar un modelo muy grande en tu back end para ayudarte a hacer cosas o frente a cuando no».
