La IA devora energía: el 1,5% de la electricidad mundial en 2022
Detrás de la aparente inmaterialidad de la inteligencia artificial se esconde una vasta infraestructura física que devora recursos. Sus centros de datos consumen ya el 1,5% de la electricidad global, con un coste ambiental que a menudo pasa desapercibido.
La IA suele percibirse como un concepto puramente digital. Sin embargo, se apoya en una infraestructura física considerable. Esta infraestructura consume grandes cantidades de energía y recursos, lo que conlleva unos costes ambientales que a menudo pasan desapercibidos para los usuarios.
1. La realidad física de la IA
En 2022, se estima que los centros de datos globales consumieron entre 240 y 340 teravatios-hora de electricidad. Esto representa aproximadamente el 1-1.5% del total mundial. Las operaciones de IA contribuyen a aumentar estas cifras. Utilizamos la IA a través de aplicaciones o asistentes de voz, y estas herramientas requieren hardware potente.
La aplicación de tu smartphone no solo se ejecuta en tu teléfono, sino que se conecta a una vasta red de servidores. Estas instalaciones, conocidas como centros de datos (o data centers), son enormes almacenes repletos de equipos informáticos. En ellos se procesa y almacena toda la información digital que alimenta los sistemas de IA.
Estos centros de datos se distribuyen por todo el mundo, desde Estados Unidos hasta Irlanda y Singapur. Empresas como Google, Microsoft y Amazon operan miles de ellos. Albergan los chips y servidores específicos que realizan los complejos cálculos de la IA. Entrenar un modelo de IA requiere una enorme capacidad de procesamiento y tiempo.
Un modelo, como un modelo de lenguaje grande (LLM), requiere aprender de conjuntos de datos masivos. Este proceso de aprendizaje se denomina entrenamiento. Implica procesar grandes cantidades de datos durante semanas o incluso meses. Este trabajo constante genera mucho calor, lo que a su vez exige grandes sistemas de refrigeración.
2. La voracidad de la IA por energía y agua
Entrenar un modelo grande de IA puede liberar tanto carbono como cinco coches a lo largo de toda su vida útil. Así lo reveló un estudio de 2019 realizado por Emma Strubell y su equipo de la Universidad de Massachusetts Amherst, que analizó el coste energético del entrenamiento de modelos grandes de IA comunes y destacó el impacto ambiental de su desarrollo.
Uso de energía: Los modelos de IA, especialmente los de deep learning, consumen enormes cantidades de energía. Entrenar GPT-3, por ejemplo, se estima que consumió 1.287 megavatios-hora de electricidad. Esta energía produjo 552 toneladas métricas de dióxido de carbono equivalente, según un artículo de OpenAI de 2020. Esta cifra no incluye la energía destinada a investigación y desarrollo previa a la fase final de entrenamiento.
Uso de agua: Los centros de datos también consumen cantidades considerables de agua. La emplean para refrigerar sus servidores, que generan mucho calor. Los centros de datos de Google, por ejemplo, consumieron 21.2 mil millones de litros (5.6 mil millones de galones) de agua en 2021, según su Informe Ambiental de 2022. Gran parte de esta agua se utiliza directamente para enfriar los servidores.
Los centros de datos masivos, como este, constituyen la columna vertebral física de los sistemas de IA. Estos 'almacenes repletos de equipos informáticos' consumen vastas cantidades de electricidad y agua; solo los centros de datos de Google consumieron 21.2 mil millones de litros (5.6 mil millones de galones) de agua en 2021 para refrigeración. (Fuente: serverfarmllc.com)
Los servidores requieren refrigeración constante para evitar fallos y garantizar su funcionamiento. En zonas secas, esta demanda de agua ejerce una presión considerable sobre los entornos locales. Por ejemplo, el centro de datos de Google en The Dalles, Oregón, consumió 1.36 mil millones de litros (359 millones de galones) de agua en 2021. Esto generó una gran tensión en el suministro de agua local durante la sequía.
Minerales raros y residuos electrónicos: El hardware de IA necesita materiales específicos. Estos incluyen elementos de tierras raras y metales como cobalto, litio y oro. Su extracción a menudo daña el medio ambiente, pudiendo causar deforestación, contaminación del agua y degradación del suelo.
Una vez que el hardware de IA deja de funcionar, se convierte en residuos electrónicos (e-waste). Esto incluye servidores, chips y unidades de refrigeración antiguos. El Programa de las Naciones Unidas para el Medio Ambiente (PNUMA) informó en 2023 que los residuos electrónicos a nivel mundial crecen rápidamente. Gran parte de estos residuos contienen productos químicos tóxicos. La mala gestión de los residuos electrónicos a menudo perjudica a las personas y al medio ambiente en los países más pobres.
3. Equidad: IA, justicia y quién es responsable
El coste ambiental del desarrollo de la IA a menudo repercute con mayor dureza en las comunidades vulnerables. Por ejemplo, la República Democrática del Congo suministra más del 70% del cobalto mundial, un metal clave en el hardware de IA y las baterías. La minería en esa región a menudo implica trabajo peligroso y mano de obra infantil, según informó Amnistía Internacional en 2023. Además, los daños derivados de la minería contaminan el agua y la tierra locales.
El enorme consumo energético de la IA genera emisiones de carbono que aceleran el cambio climático para todos. Este cambio climático afecta desproporcionadamente a las comunidades que ya afrontan desafíos sociales y económicos, y que a menudo carecen de los recursos para hacer frente a fenómenos meteorológicos extremos o al aumento del nivel del mar.
Asignar la responsabilidad por el daño ambiental de la IA es complejo. Gran parte de la culpa recae en las grandes empresas tecnológicas que construyen modelos de IA. Sin embargo, los gobiernos, los investigadores e incluso los usuarios también contribuyen. Algunas empresas practican el “greenwashing” (o ecoblanqueo), haciendo grandes afirmaciones sobre sus esfuerzos ecológicos, lo que oculta su verdadero impacto.
La Agencia Internacional de Energía (AIE) señaló en su Perspectiva Energética Mundial de 2022 que la demanda digital de energía está creciendo. Los centros de datos, incluidos los que alimentan la IA, son una de las principales causas. Esta creciente demanda exige que los gigantes tecnológicos informen con transparencia y reduzcan sus emisiones.
4. Un camino más verde: soluciones para la IA
En 2021, Google afirmó que su objetivo es funcionar con energía libre de carbono de forma ininterrumpida para 2030. Este es un paso hacia una IA más ecológica. Muchas empresas son conscientes de los problemas ambientales y buscan respuestas. Abordar estos desafíos requiere nuevas ideas, regulaciones y un cambio de perspectiva.
La República Democrática del Congo suministra más del 70% del cobalto mundial, un metal fundamental para el hardware y las baterías de IA. Las operaciones mineras en la región a menudo implican condiciones peligrosas y trabajo infantil, lo que genera graves preocupaciones ambientales y de derechos humanos. (Fuente: ilo.org)
Algoritmos más inteligentes: Los investigadores trabajan para que los modelos de IA sean más eficientes. Estos métodos de Green AI (o IA verde) obtienen resultados similares con menos potencia de cálculo. En lugar de entrenar un modelo enorme, los científicos exploran opciones como la compresión de modelos y el entrenamiento disperso. Estas técnicas reducen la energía necesaria para la IA.
Energía renovable para centros de datos: Se están realizando esfuerzos para alimentar los centros de datos con energía limpia. Microsoft y Amazon, por ejemplo, se comprometen a adquirir energía renovable. Invierten en parques solares y eólicos para compensar su consumo energético, lo que ayuda a reducir la huella de carbono de la IA.
Mejor hardware: El diseño de los chips es crucial. Unidades de Procesamiento Gráfico (GPU) más eficientes y aceleradores de IA específicos pueden reducir drásticamente las necesidades de energía. Una mejor refrigeración también consume menos agua. Los investigadores están estudiando la refrigeración líquida, que supera a los sistemas de refrigeración por aire tradicionales.
Normas y políticas: Los gobiernos están empezando a abordar el impacto ambiental de la IA mediante leyes. La Ley de IA de la Unión Europea, por ejemplo, considera los aspectos ambientales. Dichas normas pueden exigir informes transparentes sobre el uso de energía de la IA y también pueden impulsar una tecnología de IA más ecológica. Estas políticas responsabilizan a los desarrolladores de su huella.
Conciencia del usuario: Los usuarios también desempeñan un papel. Exigir a las empresas tecnológicas transparencia sobre su impacto ambiental puede forzar el cambio. Apoyar a las empresas sostenibles ayuda a acelerar el paso a una IA más ecológica. Un futuro sostenible para la IA requiere acción colectiva y consideración ambiental.
Preguntas frecuentes
P1: ¿Toda la IA es perjudicial para el medio ambiente? No, no toda la IA es perjudicial. La IA también puede ayudar a resolver problemas ambientales, por ejemplo, optimizando el funcionamiento de las redes energéticas o prediciendo patrones climáticos. La preocupación radica en la cantidad de recursos que se necesitan para construir y ejecutar algunos modelos grandes de IA.
P2: ¿Cuál es el mayor impacto ambiental de la IA? El mayor impacto actualmente proviene del enorme consumo energético de los centros de datos, especialmente para entrenar y ejecutar modelos grandes de IA. Este consumo de energía produce elevadas emisiones de carbono y requiere toneladas de agua para la refrigeración.
P3: ¿Qué puedo hacer sobre el impacto ambiental de la IA? Puedes apoyar a las empresas comprometidas con el medio ambiente y exigir informes transparentes a las empresas tecnológicas. También puedes impulsar políticas que fomenten una IA ecológica y una gestión inteligente de los recursos.
Las Unidades de Procesamiento Gráfico (GPU) de alto rendimiento son el motor de la IA moderna, permitiendo cálculos complejos pero también consumiendo una cantidad considerable de energía. Desarrollar diseños de GPU más eficientes es una estrategia fundamental para reducir la huella de carbono general de la IA. (Fuente: intuitionlabs.ai)
También te puede interesar:
👉 Comprendiendo la Independencia Energética: Seguridad, Economía y Futuro
👉 Jóvenes y la IA: riesgos y desafíos digitales más allá de las oportunidades
👉 Venus: El infierno a 475°C que guarda las claves del futuro climático de la Tierra
