El creciente consumo energético de la IA genera preocupación

La Inteligencia Artificial (IA) ha avanzado significativamente en los últimos años, revolucionando las interacciones hombre-máquina y posibilitando tareas complejas. Sin embargo, a medida que se expanden las capacidades de la IA, también lo hace su consumo energético, lo que genera preocupación por su impacto ambiental y sus implicaciones económicas.

Rápida expansión de la tecnología de IA

En el mundo de la IA, tareas sencillas como encender un interruptor de luz han evolucionado a interacciones complejas con un gran consumo de recursos. Kate Crawford y Vladan Joler, en su análisis de 2018, destacaron la intrincada red detracde recursos, trabajo humano y procesamiento algorítmico que implica incluso las interacciones más mundanas de la IA. La energía y los recursos computacionales necesarios para las interacciones de la IA han aumentado con los años, superando el crecimiento previsto por la Ley de Moore.

Un estudio de 2021 reveló un aumento de 300.000 veces en la potencia computacional utilizada para entrenar grandes modelos de aprendizaje profundo para el procesamiento del lenguaje natural y otras aplicaciones en tan solo seis años, superando el ritmo de la Ley de Moore. El consumo energético asociado a la IA, especialmente en los centros de datos, se ha convertido en una preocupación importante.

El consumo energético de la IA se dispara

Es difícil obtener estimaciones precisas del consumo eléctrico de la IA, lo que dificulta evaluar la magnitud del problema. Sin embargo, informes recientes arrojan luz sobre la magnitud del consumo energético. Google, por ejemplo, informó que la IA representó entre el 10 % y el 15 % de su consumo total de electricidad en 2021, lo que equivale a unos 2,3 teravatios-hora anuales, comparable al de una ciudad del tamaño de Atlanta.

Además, si se utilizara un sistema de IA como ChatGPT para cada búsqueda en Google, el consumo eléctrico podría dispararse a la asombrosa cifra de 29,2 teravatios-hora al año. La demanda de chips informáticos especializados en IA, con chips individuales que ahora se miden en teraflops y miles de ellos en granjas de servidores de IA, incrementa el consumo eléctrico.

Se proyecta que Nvidia, un fabricante líder de chips especializados en IA, enviará 1,5 millones de unidades de servidores de IA anualmente para 2027. Sin embargo, operar estos servidores a plena capacidad consumiría más de 85 teravatios-hora de electricidad al año, superando las necesidades energéticas de muchos países pequeños.

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 capacidades de almacenamiento.

El impacto económico del consumo energético de la IA

El considerable consumo energético de la IA se traduce en costos considerables que afectan su amplia accesibilidad. Si bien Sam Altman mencionó inicialmente que ChatGPT costaba "poco más de diez centavos por chat", los costos de computación de ChatGPT solo ascendían a $700,000 al día en febrero de 2023.

Si se extrapola a motores de búsqueda como Google y Bing, que atienden a cientos de millones de usuarios a diario, la carga financiera que supone proporcionar acceso a modelos avanzados de IA se hace evidente. Los elevados costes asociados al uso de la IA suponen un obstáculo para poner los mejores modelos de IA a disposición del público.

Desafíos en la producción de hardware de IA

La producción de hardware informático de IA presenta sus propios desafíos, lo que contribuye a su escasez y altos costos. La producción de chips comienza con el refinamiento del silicio a niveles de pureza extremos, lo cual requiere un alto consumo energético. El proceso de litografía, vital para la creación de patrones en los chips, requirió el desarrollo de la fotolitografía ultravioleta extrema (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 ultrasuaves. La empresa holandesa ASML es el único fabricante de máquinas de fotolitografía EUV para la producción de chips, cuyo precio supera los 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 se utiliza con frecuencia tecnología avanzada. Desde la minería hasta el refinado y la fabricación, la producción de chips depende en gran medida de una infraestructura industrial de alto consumo energético, que incluye el transporte por buques portacontenedores y aerolíneas.

La complejidad y la huella de carbono asociadas a esta cadena de suministro global siguen siendo desafíos importantes para la transición hacia prácticas más sostenibles. La idea de que los datos y los semiconductores son el "nuevo petróleo" es engañosa, ya que dependen de recursos energéticos asequibles y abundantes para ser valiosos.

Si bien la IA impulsada por datos y semiconductores puede mejorar la eficiencia energética, se requiere un cambio fundamental en los principios económicos para aprovechar el excedente de energía de manera eficaz.

Corporaciones de IA y monetización de datos

Las grandes corporaciones de IA, como Amazon y sus dispositivos Echo, dependen cada vez más de los datos de los usuarios para cubrir los costes de hardware y energía y generar beneficios. Las interacciones de IA, como los comandos de voz, generan datos valiosos que convierten a los usuarios en consumidores, recursos y contribuyentes al desarrollo de la IA.

La monetización de 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 energético

A medida que el Complejo Industrial de IA continúa expandiéndose, crece la preocupación por su consumo energético y la utilización de recursos. Los esfuerzos de Sam Altman, director ejecutivo de OpenAI, por 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 la búsqueda de soluciones sostenibles para sus necesidades energéticas, a la vez que se abordan 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.