La inteligencia artificial (IA) está transformando rápidamente nuestra forma de vivir y trabajar. Aunque tiene el potencial de revolucionar muchas industrias, hay que tener en cuenta sus importantes implicaciones medioambientales.
Samuel Thomas, analista de inversiones sostenibles en Schroders, nos ayuda a analizar la huella de carbono de la inteligencia artificial, tanto en términos de su infraestructura física como de sus aplicaciones potenciales.
Centrémonos en los efectos medioambientales directos de la inteligencia artificial y en las posibles soluciones para mitigarlos. También examinamos algunas de las influencias medioambientales indirectas que pueden tener las aplicaciones de esta tecnología.
El impacto medioambiental directo de la inteligencia artificial está relacionado principalmente con la infraestructura física que requiere. Ésta incluye centros de datos, procesadores y otros equipos informáticos especializados, y se denomina infraestructura informática de la IA. La gran mayoría de las pruebas concluyen que el impacto medioambiental directo de la computación de la IA es en gran medida negativo.
El ciclo de vida de la computación de esta tecnología se divide en cuatro etapas: producción, transporte, operaciones y etapas de fin de vida. Las emisiones más significativas (en torno al 70-80%) proceden de la fase operativa.
- Fase de producción
La fase de producción abarca la extracción física de las materias primas y la creación de los componentes necesarios para construir el hardware y la infraestructura de la inteligencia artificial. Una de las dificultades de medir esta etapa es que los recursos utilizados suelen estar relacionados con las tecnologías de la información y la comunicación (TIC) en general, y no específicamente con la IA.
Las estimaciones de la huella de carbono durante la fase de producción de IA varían y actualmente se considera relativamente insignificante. Sin embargo, a medida que la electricidad renovable se convierta en una parte cada vez mayor de la energía consumida en la fase operativa, el impacto de la huella medioambiental durante la fase de producción será más significativo.
2. Fase de transporte
El transporte de hardware de TIC (tecnologías de la información y comunicación) representa sólo una pequeña fracción de las emisiones de gases de efecto invernadero del transporte mundial, y una proporción aún menor corresponde al hardware informático de IA.
3. Fase de operaciones
Esta es la principal área de atención cuando se analiza el impacto medioambiental directo de la IA. Las dos principales consideraciones medioambientales de esta etapa son el consumo de energía y el uso de agua.
Podemos utilizar los centros de datos como aproximación para contextualizar la cantidad de energía que consume la IA. Aunque no todos los centros de datos se utilizan para la IA, cada vez más modelos de IA se entrenan, alojan y despliegan en centros de datos extremadamente grandes, a escala de almacén. Se calcula que entre el 1 y el 1,5% de la demanda total de electricidad a nivel mundial procede de los centros de datos, lo que equivale a unos 220-320 teravatios/hora.
Sorprendentemente, es una cifra que se ha mantenido relativamente constante en la última década a pesar del aumento sustancial de la carga de trabajo de los centros de datos. Las principales razones de esta impresionante disociación han sido: las mejoras en la eficiencia informática; el paso a la nube; y el cambio hacia centros de datos hiper escalares de mayor tamaño.
Si nos fijamos más concretamente en el consumo energético de la IA generativa, un estudio de Harvard descubrió que el entrenamiento del chat GPT-3 requería 1,3 gigavatios hora, es decir, tanta electricidad como la que consumen 120 hogares estadounidenses en un año. La principal preocupación de la IA generativa es que la complejidad del modelo aumenta exponencialmente y, por tanto, necesita mucha más energía.
Dado que las grandes empresas tecnológicas y los operadores de centros de datos necesitan tanta energía, muchos de ellos se han comprometido de forma significativa con las energías renovables. Esto tiene pros y contras. La clara desventaja es que un solo sector consume una enorme cantidad de energía renovable.
Se puede argumentar que los operadores/propietarios de centros de datos están apoyando la generación de energía renovable al aceptar comprar una determinada cantidad de energía al promotor del proyecto. Pero la cuestión es si el proyecto renovable se habría realizado sin el apoyo financiero de las empresas tecnológicas, o si están contratando a proyectos ya comprometidos.
La huella hídrica de los centros de datos viene determinada tanto por el agua consumida para la generación de electricidad como por el agua consumida para la refrigeración.
Según un estudio reciente de la Universidad de Massachusetts Amherst, el entrenamiento de un único modelo generativo de IA puede consumir hasta 284.000 litros de agua. Eso equivale a la cantidad de agua que consumiría una persona media a lo largo de 27 años.
Se trata de un problema importante porque el uso de la inteligencia artificial está cada vez más extendido en toda una serie de sectores. La demanda de centros de datos y el consumo de agua asociado no harán sino aumentar.
4. Etapa de fin de vida útil
El principal impacto ambiental de la etapa de fin de vida de la inteligencia artificial es su contribución a la basura electrónica. La eliminación de la tecnología de IA tendrá un impacto ambiental significativo debido a la presencia de materiales peligrosos (como metales pesados y productos químicos tóxicos), que pueden filtrarse en el medio ambiente y causar contaminación.
La aplicación de un modelo de economía circular, que implica minimizar los residuos y maximizar el uso de los recursos, es crucial para gestionar el impacto medioambiental de la IA.
¿CÓMO REDUCIR EL DAÑO MEDIOAMBIENTAL DE LA IA?
Los centros de datos y la IA están reduciendo su huella medioambiental operativa de cuatro formas principales:
- Energías renovables: el punto de partida obvio es utilizar energías renovables para alimentar los centros de datos, algo que el sector ya está haciendo.
- Mejorar la eficiencia de los modelos: mediante el uso y el ajuste de modelos pre entrenados, los equipos de IA ahorran tiempo y cantidades significativas de energía en la creación de modelos.
- Prácticas energéticamente eficientes: una forma de mejorar la eficiencia de los centros de datos es mediante la virtualización de servidores, el proceso que permite ejecutar varios servidores virtuales en un único servidor físico. Esto consolida los servidores y los recursos de hardware, reduciendo la cantidad de energía necesaria para hacerlos funcionar y refrigerarlos.
- Sistemas de refrigeración: la energía eléctrica que entra en un centro de datos debe evacuarse en forma de calor residual a través de un sistema de refrigeración. La refrigeración de los centros de datos representa entre el 33% y el 40% del consumo energético total y consume cientos de miles de millones de litros de agua dulce al año. Recientemente se han producido avances significativos en las tecnologías de refrigeración de centros de datos que han mejorado la eficiencia y reducido los costes. La ubicación de los centros de datos también puede marcar una gran diferencia. Si los centros de datos se construyen en lugares con abundante energía renovable y/o climas más fríos, se pueden conseguir importantes ahorros de emisiones.
¿HAY ALGÚN IMPACTO POSITIVO DE LA INTELIGENCIA ARTIFICIAL?
En el lado positivo, existen varios métodos innovadores para reutilizar el calor generado por los centros de datos.
Uno de ellos es utilizar el calor sobrante para reforzar los sistemas de calefacción urbana, mediante los cuales se puede canalizar agua a alta temperatura a hogares y edificios.
Alternativamente, esta energía térmica puede aprovecharse para aplicaciones agrícolas, como la calefacción de invernaderos durante todo el año, o para calentar el agua de piscifactorías y piscinas públicas.
¿CUÁL ES EL IMPACTO MEDIOAMBIENTAL?
Hay un número casi infinito de problemas del mundo real que la IA puede ayudar a resolver. Tomando como ejemplo el uso sostenible de la tierra, las aplicaciones de la IA incluyen: predicción temprana del rendimiento de los cultivos; agricultura y nutrición de precisión; previsión meteorológica hiper local para la gestión de cultivos; detección temprana de problemas en los cultivos; detección automatizada y mejorada de cambios en el uso de la tierra para evitar la deforestación; seguimiento de la salud y el bienestar del ganado.
Abundan otros ejemplos, y está claro que la IA tiene potencial para aportar importantes beneficios medioambientales.
Sin embargo, cualquier aplicación de IA que mejore la eficiencia de industrias ya de por sí perjudiciales se consideraría perjudicial. Y el argumento de que la inteligencia artificial mejora la eficiencia de las operaciones y, por tanto, es beneficiosa para el medio ambiente sólo es válido si, para una tarea determinada, disminuye el consumo de energía. No obstante, a medida que las tecnologías se vuelven más eficientes y productivas, pueden provocar un aumento de la demanda y el consumo. Esto puede contrarrestar cualquier beneficio medioambiental o económico de la mayor eficiencia.
