La Inteligencia Artificial (IA) ha logrado avances significativos en los últimos años, revolucionando las interacciones hombre-máquina y permitiendo tareas complejas. Sin embargo, a medida que se expanden las capacidades de la IA, también lo hace su consumo de energía, lo que genera preocupaciones sobre su impacto ambiental y sus implicaciones económicas.
Rápida expansión de la tecnología de IA
En el mundo de la IA, tareas simples como encender un interruptor de luz han evolucionado hacia interacciones complejas con enormes implicaciones en materia de recursos. Kate Crawford y Vladan Joler, en su análisis de 2018, destacaron la intrincada red de trac de recursos, trabajo humano y procesamiento algorítmico involucrados incluso en las interacciones mundanas de la IA. La energía y los recursos computacionales necesarios para las interacciones de la IA han aumentado a lo largo de los años, superando el crecimiento previsto por la Ley de Moore.
Un estudio de 2021 reveló que la potencia computacional utilizada para entrenar grandes modelos de aprendizaje profundo para el procesamiento del lenguaje natural y otras aplicaciones se multiplicó por 300.000 en solo seis años, superando el ritmo de la Ley de Moore. El consumo de energía asociado con la IA, particularmente en los centros de datos, se ha convertido en una preocupación importante.
El creciente consumo de energía de la IA
Es difícil obtener estimaciones precisas del consumo de electricidad de la IA, lo que dificulta evaluar el alcance total del problema. Sin embargo, informes recientes arrojan luz sobre la magnitud del consumo de energía. Google, por ejemplo, informó que la IA constituyó entre el 10 y el 15% de su consumo total de electricidad en 2021, lo que equivale a alrededor de 2,3 teravatios-hora al año, comparable a una ciudad del tamaño de Atlanta.
Además, si se utilizara un sistema de inteligencia artificial como ChatGPT para cada búsqueda en Google, el consumo de electricidad podría aumentar a la asombrosa cifra de 29,2 teravatios-hora por año. La demanda de chips informáticos especializados en IA, con chips individuales que ahora se miden en TeraFLOP y miles de ellos en granjas de servidores de IA, aumenta el consumo de electricidad.
Se prevé que Nvidia, un fabricante líder de chips especializados en IA, envíe 1,5 millones de unidades de servidores de IA al año para 2027. Sin embargo, ejecutar estos servidores a plena capacidad consumiría más de 85 teravatios-hora de electricidad al año, superando las necesidades energéticas de muchas pequeñas empresas. países.
El director ejecutivo de OpenAI, Sam Altman, ha expresado su preocupación por el creciente apetito energético de la IA y la necesidad de avances en la producción de energía, como la fusión nuclear o una energía solar más rentable con capacidad de almacenamiento.
El impacto económico del consumo de energía de la IA
El sustancial consumo de energía de la IA se traduce en costos considerables, que afectan su accesibilidad generalizada. Si bien Sam Altman mencionó inicialmente que ChatGPT cuesta “centavos de un solo dígito por chat”, los costos informáticos solo para ChatGPT ascendieron a 700.000 dólares por día en febrero de 2023.
Si se extrapola a motores de búsqueda como Google y Bing, que atienden a cientos de millones de usuarios diariamente, la carga financiera que supone brindar acceso a modelos avanzados de IA se vuelve evidente. Los altos costos asociados con el uso de la IA sirven como una barrera para poner a disposición del público los mejores modelos de IA.
Desafíos en la producción de hardware de IA
La producción de hardware informático de IA presenta su propio conjunto de desafíos, lo que contribuye a su escasez y altos costos. La producción de chips comienza refinando el silicio hasta niveles de pureza extremos, lo que consume mucha energía. El proceso de litografía, vital para el diseño de chips, requirió el desarrollo de la fotolitografía Extreme UltraViolet (EUV), una tecnología compleja y costosa que utiliza luz con una longitud de onda de 13,5 nanómetros.
La fotolitografía EUV requiere componentes especializados, como láseres de alta potencia y espejos súper suaves. La empresa holandesa ASML es el único productor de máquinas de fotolitografía EUV para la producción de chips, y estas máquinas tienen un precio de más de 100 millones de dólares cada una.
Cadena de suministro global e intensidad energética
La industria mundial de semiconductores ha trasladado gran parte de su producción a Asia, donde a menudo se utiliza tecnología avanzada. Desde la minería hasta la refinación y la fabricación, la producción de chips depende en gran medida de una infraestructura industrial que consume mucha energía, incluido el transporte en buques portacontenedores y aerolíneas.
La complejidad y la huella de carbono asociadas con esta cadena de suministro global siguen siendo desafíos importantes en la transición hacia prácticas más sostenibles. La noción de que los datos y los semiconductores son el “nuevo petróleo” es engañosa, ya que dependen de recursos energéticos abundantes y asequibles para ser valiosos.
Si bien la IA impulsada por datos y semiconductores puede mejorar la eficiencia energética, requiere un cambio fundamental en los principios económicos para aprovechar el excedente de energía de manera efectiva.
Corporaciones de IA y monetización de datos
Las grandes corporaciones de IA, como Amazon con sus dispositivos Echo, dependen cada vez más de los datos de los usuarios para cubrir los costos de hardware y energía y generar ganancias. Las interacciones de IA, como los comandos de voz, generan puntos de datos valiosos, transformando a los usuarios en consumidores, recursos y contribuyentes al desarrollo de la IA.
Monetizar estos datos se vuelve esencial para que las corporaciones de IA mantengan sus operaciones, lo que hace que la privacidad y la ética de los datos sean preocupaciones críticas en el ecosistema de IA.
El futuro de la IA y el consumo de energía
A medida que el Complejo Industrial de IA continúa expandiéndose, aumentan las preocupaciones sobre su consumo de energía y utilización de recursos. Los esfuerzos del director ejecutivo de OpenAI, Sam Altman, para conseguir financiación para plantas de fabricación de semiconductores ponen de relieve la demanda de hardware avanzado en el sector de la IA.
El futuro de la IA depende de encontrar soluciones sostenibles para sus necesidades energéticas y, al mismo tiempo, abordar los desafíos asociados con la producción de hardware, las cadenas de suministro y la privacidad de los datos. A medida que la IA continúa transformando las interacciones entre humanos y máquinas, el equilibrio entre el avance tecnológico y la responsabilidad ambiental se vuelve cada vez más crucial.
Un sistema paso a paso para iniciar su carrera en Web3 y conseguir trabajos criptográficos bien remunerados en 90 días.
