¿Cómo contribuye la inteligencia artificial al cambio climático?
La inteligencia artificial puede ayudar a combatir el cambio climático gracias a sus algoritmos, pero, a la vez, puede contribuir al cambio climático. ¿Cómo puede entenderse esto?
Los algoritmos de IA pueden ayudarnos a entender cómo cambia el clima global al procesar inmensas cantidades de datos de múltiples fuentes. Esto puede ayudarnos a entender qué pasos o acciones hemos de dar para frenar el calentamiento global. La contrapartida es que los algoritmos, cada vez más potentes, demandan cantidades mayores de energía para hacer sus funciones, y eso puede aumentar las emisiones asociadas a la IA.
La huella de carbono asociada a la inteligencia Artificial
Para ponerlo todo en perspectiva, hay que saber que los cálculos requeridos para la investigación con algoritmos Deep Learning se duplican cada pocos meses, lo que ha dado lugar a un aumento de 300.000 veces entre 2012 y 2018. Y estos cálculos, precisamente, tienen una huella de carbono muy significativa.
Más datos: entrenar un solo modelo computacional de inteligencia artificial puede emitir tanto carbono como cinco coches durante toda su vida útil. Esta afirmación, que puede sonar exagerada, se basa en las pruebas realizadas sobre cuatro modelos entrenados para el Procesamiento del Lenguaje Natural, una de las aplicaciones más exigentes de la Inteligencia Artificial.
Los investigadores analizaron cuatro modelos […]:el Transformer, ELMo, BERT y GPT-2. Entrenaron cada uno en una sola GPU durante un día para medir su consumo de energía. Luego utilizaron la cantidad de horas de entrenamiento que figuran en los documentos originales de cada modelo para calcular la energía total consumida durante todo el proceso.
En números, el entrenamiento completo de un modelo de Deep Learning concreto arrojó una cifra de emisiones algo superior a los 280.000 kg de CO2, frente a los apenas 900 kg de CO2 que supone un viaje en avión entre Nueva York y San Francisco (por persona).
Esto tiene enormes implicaciones, puesto que el entrenamiento del modelo es la base mínima de la que partir. A partir de ahí, el consumo de energía debido a los cálculos dependerá del «trabajo» que realice el algoritmo.
Esta realidad sugiere que hay mucho trabajo por delante para mejorar la eficiencia energética de los algoritmos de IA. Al ritmo al que crece el número de modelos y algoritmos, y al que crecen las aplicaciones de los mismos en número y diversidad (y muchas de ellas son muy complejas, como el procesamiento del lenguaje natural, por ejemplo), la exigencia energética aumentará exponencialmente.
Si la generación de electricidad no es sostenible, es decir, si se sigue basando en gran parte en combustibles fósiles, el avance tecnológico más espectacular de la historia se convertirá en un contribuyente masivo del calentamiento global.
