A medida que aumenta el uso de la inteligencia artificial (IA), también lo hará su demanda energética. ¿Cómo afectarán las implementaciones de inteligencia artificial (IA), que consumen mucha energía, a las iniciativas de energía sostenible?
La IA tiene el potencial de ayudar y acelerar las iniciativas de energía sostenible optimizando y mejorando el funcionamiento de estos sistemas complejos, así como de acelerar o ayudar a la innovación en soluciones, afirma Jen Clark, directora de la firma de consultoría empresarial Eisner Advisory Group, en una entrevista por correo electrónico. «Sin embargo, el uso de la IA, especialmente la IA generativa, plantea desafíos importantes debido a su demanda energética extremadamente alta». Señala que se necesita más innovación tanto en la IA como en las infraestructuras de datos para garantizar que el consumo de energía no anule los beneficios potenciales logrados por la innovación en energía sostenible.
El impacto actual de la IA
La IA ya ha añadido presión adicional a la demanda y la infraestructura energéticas, y su impacto será cada vez más prominente en los próximos años si no se controla, advierte Clark. «A medida que la IA se integre más en nuestra vida cotidiana, las demandas de energía solo aumentarán y podrían aumentar rápidamente».
El entrenamiento y el funcionamiento de la IA aumentarán la demanda de energía, afirma Matt Warburton, consultor principal y responsable de sostenibilidad de la firma de investigación y asesoramiento tecnológico ISG, en una entrevista en línea. Sin embargo, el panorama no es claro ni sencillo. «Depende de para qué utilicemos la IA», explica. Warburton señala que la IA también se está utilizando para reducir la demanda de energía. «Por ejemplo, mediante la optimización de las redes eléctricas». Por otro lado, también se está utilizando ampliamente en áreas como el marketing y las redes sociales que proliferan efectivamente el consumo de energía.
La IA ya está afectando a las iniciativas energéticas, dice Warburton. «La Agencia Internacional de la Energía informa que el consumo de energía de los centros de datos ha crecido al menos un 20%, y potencialmente hasta un 70%, entre 2015 y 2022». Añade que tanto Microsoft como Google han reconocido el crecimiento de la IA como la principal fuerza detrás de los aumentos en sus últimas emisiones de gases de efecto invernadero.
Posibles soluciones
En general, el apetito energético de la IA se puede reducir limitando los recursos computacionales siempre que sea posible, gestionando las cargas de trabajo fuera del horario laboral o en los meses más fríos, o en regiones de centros de datos menos populares, dice Clark. «Ser específico sobre qué hardware y modelo se necesita para la tarea es la clave del éxito, al igual que preguntarse si la IA es realmente necesaria para la solución». En la mayoría de los equipos de desarrollo de alto rendimiento, estos pasos ya se están tomando, señala. «Vale la pena iniciar una conversación abierta entre los equipos de desarrollo para compartir las mejores prácticas», dice Clark. «Sin embargo, es probable que las mejoras más importantes provengan de la innovación en la arquitectura de chips y modelos».
La medida más importante que están tomando las empresas para abordar las preocupaciones energéticas es avanzar hacia chips de segunda generación más eficientes energéticamente, dice Duncan Stewart, director de investigación de la firma de asesoría Deloitte Technology, por correo electrónico. «Estos chips son un poco más rápidos a la hora de acelerar el entrenamiento y la inferencia (alrededor de un 25% mejores que los chips de primera generación) y su eficiencia es casi el triple que la de los chips de primera generación». Agrega que casi todos los fabricantes de chips apuntan ahora a la eficiencia como la característica más importante de los microprocesadores.
Demanda energética de la IA
Mientras tanto, los desarrolladores seguirán desempeñando un papel clave en la optimización de las necesidades energéticas de la IA, así como en la validación de si la IA es necesaria para lograr un resultado particular. «Por ejemplo, ¿necesitamos utilizar un modelo de lenguaje grande que requiere una gran potencia de procesamiento para generar una respuesta a partir de enormes conjuntos de datos, o podemos utilizar técnicas más específicas y aplicadas, como modelos predictivos que requieren mucho menos procesamiento porque han sido entrenados en conjuntos de datos mucho más específicos y relevantes?», pregunta Warburton. «¿Podemos utilizar instancias de procesamiento que funcionan con fuentes de electricidad con bajas emisiones de carbono? ¿Cómo podrían diferentes arquitecturas de procesamiento, como la computación de borde y neuromórfica, lograr el resultado sin generar tanto tráfico de red?».
Dado que muchos dispositivos alimentados por IA, como termostatos que funcionan continuamente, consumen energía constantemente, su uso de energía necesita una consideración cuidadosa en cualquier ecuación de eficiencia, señala Jonathan Bean, profesor asociado de arquitectura, entornos construidos sostenibles y marketing en la Universidad de Arizona. «Es crucial implementar la IA estratégicamente, como en los controles de termostatos, al mismo tiempo que se abordan cuestiones culturales y de modelos comerciales más amplias», asevera. «Las empresas de tecnología a menudo innovan con nuevos productos impulsados por IA, pero deben equilibrar la rentabilidad con los impactos sociales y ambientales».
La perspectiva de futuro
Para sortear las incertidumbres y planificar un futuro más sostenible, son esenciales mejores herramientas y sistemas, afirma Bean. «La IA tiene el potencial de desempeñar un papel crucial en este sentido al facilitar conversaciones informadas sobre los costos y beneficios de las diferentes estrategias energéticas», afirma. «Por ejemplo, la IA podría ayudar a los diseñadores de edificios a tomar decisiones que gestionen el uso de la energía de manera más eficiente, como determinar si invertir en ventanas operables, a pesar de sus costos iniciales más altos, podría generar ahorros futuros significativos».
Las respuestas a estas preguntas son complejas debido a las incertidumbres inherentes y la abundancia de información intrincada involucrada, dice Bean. «La IA puede ayudar al proporcionar escenarios que van desde los mejores hasta los peores resultados, lo que permite a las partes interesadas comprender las consecuencias de sus decisiones de manera más integral».
Le puede interesar: Luz verde a la biotecnología: el Gobierno aprueba el uso de la semilla de soya Intacta
