Ante la emergencia climática y la probada crisis ambiental, la inteligencia artificial a menudo se percibe como una herramienta clave para optimizar nuestros usos y reducir nuestra huella de carbono. Pero en realidad es una parte integral del problema y tiene una huella preocupante.
Presentada como un motor de optimización y sobriedad, ¿podría la inteligencia artificial empeorar paradójicamente la crisis ambiental? Detrás de sus promesas de eficiencia, esconde una huella de energía y hardware colosal. El rápido aumento de la IA en los últimos años se ha basado en una infraestructura hambrienta de energía a gran escala. La capacitación de los modelos más avanzados necesita miles de millones de cálculos, lo que requiere una potencia informática considerable. La huella de carbono de estos sistemas se basa en dos componentes clave: la potencia necesaria para ejecutarlos y los recursos físicos necesarios para fabricar componentes informáticos. En Francia, el sector digital ya representa el 10% del consumo eléctrico, con un crecimiento anual estimado de entre el 6 y el 9%. A nivel mundial, lo digital contribuye al 4% de las emisiones de CO2, aumentando constantemente desde 2010. “Dos fases son particularmente hambrientas de recursos: modelos de entrenamiento, que pueden requerir varios meses de computación intensiva en plataformas que consumen hasta 30 megavatios continuamente, e inferencia, es decir, el uso de estos modelos, que representa un gasto de energía aún mayor en el caso de la IA generativa,” explica Denis Trystram, investigador de LIG* y profesor de Grenoble INP – Ensimag, UGA. “Por ejemplo, entrenar a los modelos más grandes requiere aproximadamente 1026 operaciones, es decir, el equivalente a varios meses’ uso continuo de las plataformas más grandes.”
Además del consumo eléctrico, la IA requiere una cantidad considerable de materias primas. La fabricación de chips y componentes electrónicos requiere metales raros que son caros de extraer en términos de energía y agua. Al mismo tiempo, la producción y operación del centro de datos aumentan la presión sobre los recursos hídricos además de su consumo eléctrico. El análisis del ciclo de vida de los servicios de IA es a menudo incompleto, teniendo en cuenta solo los efectos directos, sin considerar los efectos de rebote o los impactos sistémicos.
Frugalidad digital: ¿una ilusión?
Aunque la IA puede contribuir a reducir ciertos niveles de consumo para aplicaciones específicas, por ejemplo, optimizando la eficiencia térmica de buildings’, estas ganancias a menudo se cancelan por el aumento exponencial de su uso. La infraestructura con eficiencia energética mejorada no es suficiente para compensar la expansión continua de la infraestructura. Este fenómeno, comúnmente conocido como el efecto de rebote, plantea la cuestión de los beneficios ecológicos genuinos de la IA.
Se están explorando ciertas áreas potenciales para hacer que la IA sea más frugal: usar centros de datos impulsados por energías renovables, desarrollar algoritmos menos hambrientos de computación, mejorar la eficiencia de los componentes electrónicos, etc. Pero estas soluciones no cuestionan el crecimiento desenfrenado de estas tecnologías. Por ejemplo, si la IA se utiliza para reducir las emisiones de carbono, podría alentar indirectamente un mayor consumo de otros recursos (como el consumo de agua o la extracción de metales), cancelando los beneficios obtenidos.
Para Denis Trystram, la verdadera pregunta a plantear es sobre los usos. “¿Realmente necesitamos todo lo que estamos desarrollando? Esta pregunta va más allá de las ciencias duras para las ciencias humanas, como la sociología, la filosofía y la economía. Pero estos aspectos aún no se tienen suficientemente en cuenta en la investigación sobre inteligencia artificial.”
Repensando el futuro
Los investigadores son cada vez más conscientes de los límites planetarios y la necesidad urgente de tomar medidas, pero la implementación de soluciones prácticas sigue siendo compleja. La digitalización de nuestras sociedades actúa como un sistema en expansión incontrolable, impulsado por el mito del crecimiento ilimitado, y absorbiendo otros sistemas sin pensar en la necesidad de los usos desarrollados.
La inteligencia artificial ha transformado nuestras formas de buscar información e interactuar con el mundo. Desde la aparición de los chatbots en 2022, se ha observado una disminución significativa en el tráfico tradicional de Internet, una señal de que estas herramientas están reemplazando cada vez más las búsquedas tradicionales. Pero este cambio no garantiza una mejora cualitativa del conocimiento producido. La IA se basa en modelos probabilísticos cuyos resultados deben verificarse, y la falta de transparencia de estos mecanismos de generación a menudo plantea dudas sobre la confiabilidad de la información proporcionada. “Si no se establece una regulación estricta, nos dirigimos hacia la saturación de recursos y el empobrecimiento de los datos utilizados para entrenar la IA. A largo plazo, estos modelos podrían basarse únicamente en el contenido generado por otros AIis, creando un círculo vicioso donde la información se deteriora progresivamente.”
Denis Trystram utiliza una imagen fuerte para resumir la situación: la aceleración de nuestros estilos de vida, dopada por el progreso tecnológico, reduce el comportamiento humano al de un hámster, condenado a correr cada vez más rápido sin cuestionar la dirección del viaje. ¿Es posible la IA frugal? Sí, siempre que bajemos de esta rueda y adoptemos un enfoque que los lugares necesiten antes del rendimiento. Grenoble INP – UGA News. Traducido al español
Contacto