El simposio anual de investigación de la Iniciativa Energética del MIT explora la inteligencia artificial como un problema y una solución para la transición a la energía limpia.
El crecimiento explosivo de los centros de computación impulsados por IA está generando un aumento sin precedentes en la demanda de electricidad que amenaza con saturar las redes eléctricas y frustrar los objetivos climáticos. Al mismo tiempo, las tecnologías de inteligencia artificial podrían revolucionar los sistemas energéticos, acelerando la transición hacia energías limpias.
“Estamos en la cúspide de un cambio potencialmente gigantesco en toda la economía”, dijo William H. Green , director de la Iniciativa de Energía del MIT (MITEI) y profesor Hoyt C. Hottel en el Departamento de Ingeniería Química del MIT, en el Simposio de Primavera del MIT, “IA y energía: peligro y promesa”, celebrado el 13 de mayo. El evento reunió a expertos de la industria, la academia y el gobierno para explorar soluciones a lo que Green describió como “problemas locales con el suministro eléctrico y el cumplimiento de nuestros objetivos de energía limpia”, al tiempo que buscaba “cosechar los beneficios de la IA sin algunos de los daños”. El desafío de la demanda de energía del centro de datos y los beneficios potenciales de la IA para la transición energética es una prioridad de investigación para el MITEI.
Las sorprendentes demandas energéticas de la IA
Desde el inicio, el simposio destacó estadísticas alarmantes sobre el consumo de electricidad por parte de la IA. Tras décadas de demanda eléctrica estancada en Estados Unidos, los centros de computación consumen actualmente aproximadamente el 4 % de la electricidad nacional. Si bien existe una gran incertidumbre, algunas proyecciones sugieren que esta demanda podría aumentar al 12-15 % para 2030, impulsada principalmente por las aplicaciones de inteligencia artificial.
Vijay Gadepally, científico sénior del Laboratorio Lincoln del MIT, destacó la magnitud del consumo de la IA. «La energía necesaria para mantener algunos de estos grandes modelos se duplica casi cada tres meses», señaló. «Una sola conversación de ChatGPT consume tanta electricidad como cargar un teléfono, y generar una imagen consume aproximadamente una botella de agua para enfriarse».
Instalaciones que requieren de 50 a 100 megavatios de energía están surgiendo rápidamente en Estados Unidos y a nivel mundial, impulsadas tanto por necesidades de investigación informales como institucionales que dependen de programas de lenguaje de gran envergadura como ChatGPT y Gemini. Gadepally citó el testimonio ante el Congreso de Sam Altman, director ejecutivo de OpenAI, quien destacó la importancia fundamental de esta relación: «El coste de la inteligencia, el coste de la IA, convergerá con el coste de la energía».
“Las demandas energéticas de la IA son un desafío importante, pero también tenemos la oportunidad de aprovechar estas vastas capacidades computacionales para contribuir a las soluciones al cambio climático”, dijo Evelyn Wang , vicepresidenta de energía y clima del MIT y ex directora de la Agencia de Proyectos de Investigación Avanzada-Energía (ARPA-E) en el Departamento de Energía de Estados Unidos.
Wang también señaló que las innovaciones desarrolladas para la IA y los centros de datos (como la eficiencia, las tecnologías de enfriamiento y las soluciones de energía limpia) podrían tener amplias aplicaciones más allá de las propias instalaciones informáticas.
Estrategias para soluciones de energía limpia
El simposio exploró múltiples vías para abordar el desafío de la IA y la energía. Algunos panelistas presentaron modelos que sugieren que, si bien la inteligencia artificial puede aumentar las emisiones a corto plazo, sus capacidades de optimización podrían permitir reducciones sustanciales de emisiones después de 2030 mediante sistemas energéticos más eficientes y un desarrollo acelerado de tecnologías limpias.
Las investigaciones muestran variaciones regionales en el costo de alimentar centros de computación con electricidad limpia, según Emre Gençer, cofundador y director ejecutivo de Sesame Sustainability y exinvestigador principal del MITEI. El análisis de Gençer reveló que la región central de Estados Unidos ofrece costos considerablemente más bajos gracias a la complementariedad de los recursos solares y eólicos. Sin embargo, lograr energía con cero emisiones requeriría un despliegue masivo de baterías —de cinco a diez veces más que en escenarios con emisiones moderadas de carbono—, lo que incrementaría los costos entre dos y tres veces.
“Si queremos cero emisiones con energía confiable, necesitamos tecnologías distintas a las renovables y las baterías, que serán demasiado caras”, afirmó Gençer. Señaló las tecnologías de almacenamiento de larga duración, los pequeños reactores modulares, la geotermia o los enfoques híbridos como complementos necesarios.
Debido a la demanda energética de los centros de datos, existe un renovado interés en la energía nuclear, señaló Kathryn Biegel, gerente de I+D y estrategia corporativa de Constellation Energy, quien agregó que su compañía está reiniciando el reactor en la antigua planta de Three Mile Island, ahora denominada «Centro de Energía Limpia Crane», para satisfacer esta demanda. «El espacio del centro de datos se ha convertido en una prioridad fundamental para Constellation», afirmó, enfatizando cómo sus necesidades de confiabilidad y electricidad libre de carbono están transformando la industria energética.
¿Puede la IA acelerar la transición energética?
La inteligencia artificial podría mejorar drásticamente los sistemas eléctricos, según Priya Donti , profesora adjunta y titular de la Cátedra de Desarrollo Profesional de la Familia Silverman en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT y en el Laboratorio de Sistemas de Información y Decisión. Donti demostró cómo la IA puede acelerar la optimización de la red eléctrica al integrar restricciones basadas en la física en las redes neuronales, lo que podría resolver problemas complejos de flujo de energía a una velocidad diez veces mayor, o incluso mayor, que la de los modelos tradicionales.
La IA ya está reduciendo las emisiones de carbono, según ejemplos compartidos por Antonia Gawel, directora global de sostenibilidad y alianzas de Google. La función de rutas de bajo consumo de combustible de Google Maps ha «ayudado a evitar más de 2,9 millones de toneladas métricas de emisiones de GEI [gases de efecto invernadero] desde su lanzamiento, lo que equivale a retirar de la circulación 650.000 coches de gasolina durante un año», afirmó. Otro proyecto de investigación de Google utiliza inteligencia artificial para ayudar a los pilotos a evitar la formación de estelas de condensación, que representan aproximadamente el 1 % del impacto del calentamiento global.
Rafael Gómez-Bombarelli , profesor asociado de Desarrollo Profesional Paul M. Cook en el Departamento de Ciencia e Ingeniería de Materiales del MIT, destacó el potencial de la IA para acelerar el descubrimiento de materiales para aplicaciones energéticas. «Los modelos supervisados por IA pueden entrenarse para pasar de la estructura a la propiedad», señaló, lo que permite el desarrollo de materiales cruciales tanto para la computación como para la eficiencia.
Asegurar el crecimiento con sostenibilidad
A lo largo del simposio, los participantes se enfrentaron a la necesidad de equilibrar la rápida implementación de la IA con el impacto ambiental. Si bien la capacitación en IA recibe la mayor atención, Dustin Demetriou, miembro del equipo técnico sénior en sostenibilidad e innovación de centros de datos de IBM, citó un artículo del Foro Económico Mundial que sugería que «se estima que el 80 % de la huella ambiental se debe a la inferencia». Demetriou enfatizó la necesidad de eficiencia en todas las aplicaciones de inteligencia artificial.
La paradoja de Jevons, donde «las mejoras de eficiencia tienden a aumentar el consumo general de recursos en lugar de disminuirlo», es otro factor a considerar, advirtió Emma Strubell, profesora adjunta Raj Reddy del Instituto de Tecnologías del Lenguaje de la Facultad de Informática de la Universidad Carnegie Mellon. Strubell abogó por considerar la electricidad de los centros de cómputo como un recurso limitado que requiere una distribución inteligente entre las diferentes aplicaciones.
Varios ponentes analizaron enfoques novedosos para integrar las fuentes renovables con la infraestructura de la red eléctrica existente, incluyendo posibles soluciones híbridas que combinan instalaciones limpias con plantas de gas natural existentes que ya cuentan con valiosas conexiones a la red. Estos enfoques podrían proporcionar una capacidad limpia sustancial en todo Estados Unidos a costos razonables, minimizando al mismo tiempo el impacto en la confiabilidad.
Navegando por la paradoja IA-energía
El simposio destacó el papel central del MIT en el desarrollo de soluciones al desafío de la IA y la electricidad.
Green habló de un nuevo programa del MITEI sobre centros de computación, energía y computación, que se complementará con la amplia gama de investigaciones del Proyecto Climático del MIT. «Intentaremos abordar un problema muy complejo, desde las fuentes de energía hasta los algoritmos que aportan valor a los clientes, de una manera que sea aceptable para todas las partes interesadas y satisfaga todas las necesidades», afirmó Green.
Los participantes del simposio fueron consultados por Randall Field , director de investigación del MITEI, sobre las prioridades de investigación del MIT. Los resultados en tiempo real clasificaron los problemas de integración de centros de datos y redes eléctricas como la principal prioridad, seguidos de la IA para el descubrimiento acelerado de materiales avanzados para la energía.
Además, los asistentes revelaron que la mayoría considera el potencial de la IA en términos de energía como una promesa, más que como un riesgo, aunque una parte considerable aún duda de su impacto final. Al preguntarles sobre las prioridades en el suministro de energía para las instalaciones informáticas, la mitad de los encuestados señaló la intensidad de carbono como su principal preocupación, seguida de la fiabilidad y el coste. MIT News. L. Z. Traducido al español
