Organismo de vigilancia medioambiental presiona a la industria de la IA para que revele los costes ocultos de ChatGPT

La IA se ha convertido en parte integral de la vida moderna, impulsando diversas aplicaciones, como ChatGPT, que facilitan tareas que van desde la recuperación de información hasta la generación de contenido creativo. Si bien los beneficios de la IA sondent, investigaciones recientes destacan una preocupación menos debatida: los considerables costes ambientales asociados a grandes modelos de lenguaje como ChatGPT y Bing Copilot.

Consumo energético del entrenamiento del modelo lingüístico

Los modelos de lenguaje de gran tamaño, como ChatGPT y Bing Copilot, requieren una gran potencia computacional y electricidad durante sus procesos de entrenamiento. Según un estudio realizado por investigadores de la Universidad de Washington, entrenar un único modelo de lenguaje de gran tamaño como ChatGPT-3 puede consumir hasta 10 gigavatios-hora (GWh) de energía. Para ponerlo en perspectiva, equivale aproximadamente al consumo eléctrico anual de más de 1000 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.

Modelos de lenguaje en ejecución 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 su entrenamiento, aún genera problemas ambientales. El consumo real de energía depende de factores como el tamaño del modelo, la cantidad de tokens procesados ​​y la eficiencia del hardware y el software. Se estima que una sola consulta de ChatGPT-4 consume entre 0,001 y 0,01 kWh, una cantidad significativamente mayor que la energía consumida por una consulta de búsqueda típica de Google (0,0003 kWh).

El impacto ambiental del uso de sistemas de IA, como ChatGPT y Bing Copilot, es considerable. A medida que crece la demanda de servicios de IA, también crece la necesidad de centros de datos para alojar los servidores y equipos que los respaldan. Los centros de datos son conocidos por su alto consumo energético, que incluye tanto el funcionamiento del hardware como la gestión de la energía y la refrigeración. A nivel mundial, los centros de datos representan aproximadamente entre el 1 % y el 1,5 % del consumo eléctrico y el 0,3 % de las emisiones de CO2. Además, estas instalaciones utilizan cantidades considerables de agua tanto para la refrigeración como para la generación de electricidad.

Un informe de Livemint revela que ChatGPT-3 consume alrededor de 800.000 litros de agua por hora. Esto equivale a las necesidades diarias de agua de 40.000 personas. Estas cifras ponen de relieve la considerable huella ambiental de los sistemas de IA.

Reducir el consumo energético y el impacto ambiental

Mejorar la eficiencia del hardware y el software: Mejorar el diseño y la eficiencia del hardware y el 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 consumo de agua en los centros de datos.

Transición a las energías renovables: La transición a fuentes de energía renovables como la eólica, la solar y la hidroeléctrica puede impulsar la sostenibilidad de los centros de datos. 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 fines triviales o perjudiciales, puede contribuir al ahorro energético y a la responsabilidad social. Centrarse en la creación de contenido educativo o artístico, en lugar de generar noticias falsas o spam, puede tener un impacto social positivo.

El futuro del consumo energético en la IA

El futuro del consumo energético en la IA se presenta prometedor, con avances tecnológicos que conducen a modelos de IA y centros de datos más eficientes energéticamente. También se prevé un aumento en la adopción de fuentes de energía renovables. Sin embargo, a medida que la IA se vuelve más omnipresente, es esencial seguir priorizando la reducción del consumo energético y la promoción de prácticas sostenibles.

A pesar de la creciente preocupación por el impacto ambiental de la IA, obtener datos precisos sigue siendo un desafío importante. Las investigaciones existentes y los estudios emergentes se basan en estimaciones y proyecciones, ya que los desarrolladores no han revelado públicamente el alcance total del consumo energético, las emisiones de carbono y la huella hídrica de la IA.

Un estudio realizado por Li et al. en 2023 destacó que la demanda mundial de IA podría llevar a la extracción de entre 4.200 y 6.600 millones de metros cúbicos de agua en 2027, superando la extracción anual total 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.

Piden mayor rendición de cuentas y transparencia

Para abordar estas preocupaciones eficazmente, existe una creciente necesidad de mayor transparencia respecto a las emisiones, tanto operativas como de desarrollo, derivadas de los procesos de IA. Los desarrolladores deben divulgar datos relacionados con la eficiencia hídrica y proporcionar comparaciones de diferentes insumos energéticos. Esta transparencia permitirá tomar decisiones informadas y evaluar el impacto ambiental de modelos de lenguaje como ChatGPT y Bing Copilot.