Organización de vigilancia ambiental presiona a la industria de la IA sobre la divulgación de los costos ocultos de ChatGPT

La IA se ha convertido en una parte integral de la vida moderna, impulsando varias aplicaciones, incluyendo chatgpt que asisten en tareas que van desde la recuperación de información hasta la generación de contenido creativo. Si bien los beneficios de la IA son evidentes, la investigación emergente destaca una preocupación menos discutida: los sustanciales costos ambientales asociados con modelos de lenguaje grande como ChatGPT y Bing Copilot.

Consumo de energía en el entrenamiento de modelos de lenguaje

Los modelos de lenguaje grande como ChatGPT y Bing Copilot requieren una amplia potencia computacional y electricidad durante sus procesos de entrenamiento. Según un estudio realizado por investigadores de la Universidad de Washington, entrenar un solo modelo de lenguaje grande como ChatGPT-3 puede consumir hasta 10 gigavatios-hora (GWh) de energía. Para ponerlo en perspectiva, es aproximadamente equivalente al consumo anual de electricidad de más de 1,000 hogares estadounidenses. Además, la huella de carbono del entrenamiento de ChatGPT-3 puede oscilar entre 55 y 284 toneladas de CO2, dependiendo de la fuente de electricidad.

Ejecución de modelos de lenguaje y su impacto ambiental

Si bien el consumo de energía para ejecutar modelos de lenguaje como Bing Copilot o ChatGPT es menor que el de entrenarlos, aún contribuye a las preocupaciones ambientales. El consumo real de energía depende de factores como el tamaño del modelo, el número de tokens procesados y la eficiencia del hardware y software. Las estimaciones sugieren que una sola consulta de ChatGPT-4 consume entre 0.001 y 0.01 kWh, lo cual es significativamente más que la energía consumida por una búsqueda típica de Google (0.0003 kWh).

Los impactos ambientales del uso de sistemas de IA, incluyendo ChatGPT y Bing Copilot, no son despreciables. A medida que la demanda de servicios de IA crece, también lo hace la necesidad de centros de datos para alojar los servidores y equipos que respaldan estos sistemas. Los centros de datos son notorios por su consumo de energía, que incluye tanto la ejecución del hardware como la gestión de la energía y la refrigeración. A nivel global, los centros de datos representan aproximadamente el 1-1.5% del consumo de electricidad y el 0.3% de las emisiones de CO2. Además, estas instalaciones utilizan cantidades sustanciales de agua tanto para la refrigeración como para la generación de electricidad.

Un informe de Livemint revela que ChatGPT-3 solo consume alrededor de 800,000 litros de agua por hora. Esto es equivalente a las necesidades diarias de agua de 40,000 personas. Estas cifras subrayan la sustancial huella ambiental de los sistemas de IA.

Reducción del consumo de energía y del impacto ambiental

Mejorar la eficiencia del hardware y software: Mejorar el diseño y la eficiencia del hardware y software puede reducir el consumo de energía. Técnicas como la refrigeración por inmersión líquida pueden ayudar a reducir el calor del hardware y minimizar las emisiones de carbono y el uso de agua en los centros de datos.

Transición a energías renovables: Cambiar a fuentes de energía renovables como la eólica, solar e hidroeléctrica puede alimentar los centros de datos de manera más sostenible. Países con abundantes recursos naturales, como Noruega e Islandia, ya han adoptado este enfoque para reducir su huella de carbono.

Uso responsable de la IA: Limitar el uso de modelos de IA a aplicaciones significativas y esenciales, evitando propósitos triviales o dañinos, puede contribuir a la conservación de la energía y la responsabilidad social. Centrarse en la creación de contenido educativo o artístico, en lugar de generar noticias falsas o spam, puede tener impactos sociales positivos.

El futuro del consumo de energía en la IA

El futuro del consumo de energía en la IA parece prometedor, con avances tecnológicos que llevan a modelos de IA y centros de datos más eficientes energéticamente. Se espera que la adopción de fuentes de energía renovable también aumente. Sin embargo, a medida que la IA se vuelve más ubicua, es esencial mantener un énfasis continuo en la reducción del consumo de energía y promover prácticas sostenibles.

A pesar de la creciente preocupación por el impacto ambiental de la IA, obtener datos precisos sigue siendo un desafío significativo. La investigación existente y los estudios emergentes dependen de conjuntos de datos estimados y proyecciones, ya que los desarrolladores no han divulgado públicamente la extensión completa de los insumos energéticos de la IA, las emisiones de carbono y las huellas hídricas.

Un estudio de Li et al. en 2023 destacó que la demanda global de IA podría potencialmente llevar a la retirada de 4.200 a 6.600 millones de metros cúbicos de agua en 2027, superando la retirada total anual de agua de la mitad del Reino Unido. Esto subraya la urgente necesidad de una mayor transparencia en la evaluación del impacto ambiental de la IA.

Llamamiento a una mayor rendición de cuentas y transparencia

Para abordar estas preocupaciones de manera efectiva, existe una creciente necesidad de mayor transparencia con respecto a las emisiones operativas y de desarrollo resultantes de los procesos de IA. Los desarrolladores deberían divulgar datos relacionados con la eficiencia hídrica y proporcionar comparaciones de diferentes fuentes de energía. Esta transparencia permitirá tomar decisiones informadas y evaluar los impactos ambientales de modelos de lenguaje como ChatGPT y Bing Copilot.