- El rápido crecimiento de la IA podría pronto igualar el consumo energético de países enteros, advierte un estudio reciente.
- Los centros de datos, las criptomonedas y la IA están impulsando al alza la demanda global de electricidad.
- Los modelos de IA más pequeños ofrecen esperanza para ahorrar energía, pero equilibrar la innovación con las preocupaciones ambientales es clave.
La Inteligencia Artificial (IA) se ha convertido en una tendencia digital transformadora durante el último año, con implicaciones significativas para el consumo de energía. Un estudio reciente publicado en la revista Joule advierte que, si la adopción de la IA continúa a su ritmo actual, podría potencialmente rivalizar con países enteros en consumo de energía. Este artículo explora los hallazgos clave del estudio, las implicaciones para el uso de electricidad global y posibles vías para mitigar esta creciente preocupación.
El consumo energético de la IA: un desafío global
El científico de datos Alex de Vries, de la Universidad Libre de Ámsterdam en los Países Bajos, ha sonado las alarmas con su estimación de que las granjas de servidores de IA podrían consumir una asombrosa cantidad de 85 a 134 teravatios-hora (TWh) de energía anualmente para 2027. Para ponerlo en perspectiva, este nivel de consumo es aproximadamente equivalente al uso anual de energía de una nación como los Países Bajos y constituye el 0,5 % del consumo global actual de electricidad del mundo.
Aunque de Vries insta a la cautela frente a la exageración, subraya la importancia de estas cifras. La huella creciente de la IA en diversas industrias, desde la atención médica hasta las finanzas, está impulsando este aumento en la demanda de energía. A medida que la apetencia por los servicios de IA continúa creciendo, es muy probable que el consumo de energía asociado siga el mismo camino.
El impacto ambiental del hambre energética de la IA
En 2022, los centros de datos representaron entre el 1 % y el 1,3 % del consumo total de electricidad del mundo, con la minería de criptomonedas añadiendo un adicional 0,4 %. Con la IA preparada para unirse a esta liga de tecnologías intensivas en energía, las preocupaciones sobre su impacto ambiental se vuelven primordiales. La continua dependencia de fuentes de energía no renovables para las operaciones de IA podría contribuir a las emisiones globales de carbono a menos que se tomen medidas para transitar hacia alternativas más ecológicas.
IA generativa y accesibilidad
La IA generativa, ejemplificada por chatbots como ChatGPT de OpenAI, se está volviendo cada vez más accesible para una amplia gama de usuarios, incluidos estudiantes, programadores, diseñadores y escritores. Estos chatbots dependen de modelos de IA entrenados en conjuntos de datos extensos, un proceso que consume una cantidad significativa de energía.
Hugging Face, una empresa de IA con sede en EE. UU., registró que su modelo de generación de texto multilingüe consumió una asombrosa cantidad de 433 megavatios-hora (MWh) durante su proceso de entrenamiento. Para ponerlo en perspectiva, esto es suficiente para alimentar 40 hogares estadounidenses promedio durante un año entero. ChatGPT, como ejemplo prominente, requiere una potencia computacional y recursos energéticos sustanciales al generar respuestas de texto.
Estimaciones y escenarios alarmantes
De Vries proporciona una estimación de que ejecutar ChatGPT podría consumir potencialmente 564 MWh de electricidad diariamente. Además, extrapolar estas cifras a aplicaciones de IA a mayor escala, como el motor de búsqueda de Google, pinta un cuadro alarmante. Si Google implementara la IA extensivamente para sus aproximadamente nueve mil millones de búsquedas diarias, requeriría una asombrosa cantidad de 29,2 TWh de energía anualmente. Esto es comparable al consumo total de electricidad de Irlanda y casi el doble del consumo total de energía de Google en 2020, que se situó en 15,4 TWh.
Respuesta de la industria y eficiencia energética
Las empresas de IA no son ajenas a la naturaleza intensiva en energía de sus operaciones. OpenAI, por ejemplo, reconoce la necesidad de una mayor eficiencia energética y está trabajando activamente para mejorar la huella energética de sus modelos de IA. Las empresas son cada vez más conscientes del impacto ambiental y están dando pasos para minimizarlo.
Thomas Wolf, cofundador de Hugging Face, señala una tendencia prometedora en la que los modelos de IA más pequeños se acercan a las capacidades de los más grandes. Modelos como Mistral 7B y Llama 2 de Meta, que son de 10 a 100 veces más pequeños que GPT-4, pueden realizar muchas de las mismas tareas. El mensaje aquí es claro: no todos necesitan el behemot computacional que es GPT-4, al igual que no necesitas un Ferrari para tu desplazamiento diario al trabajo.
No te limites a leer noticias sobre criptomonedas. Entiéndelas. Suscríbete a nuestro boletín. Es gratis.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Brian Koome
Brian Koome cuenta con más de siete años de experiencia en la cobertura de blockchain y criptomonedas, habiendo estado activo en el sector desde 2017. Ha colaborado con publicaciones líderes, entre ellas BlockToday.com. Además, desarrolló el curso Ethereum 101 para BitDegree.org antes de unirse a Cryptopolitan como escritor a tiempo completo. Brian cubre guías perennes (EGs), análisis profundos, entrevistas y análisis de precios. Su enfoque en DeFi, innovación en blockchain y proyectos emergentes de criptomonedas deleita a los lectores.
