En el corazón de los centros de procesamiento de datos más avanzados del mundo, se realizan cálculos que demandan una gran cantidad de energía las 24 horas del día. Durante este tiempo, los chatbots y otras herramientas de IA generativa llevan a cabo tareas que van desde las más triviales hasta las más significativas, como recopilar imágenes para redes sociales, ofrecer consejos sobre relaciones, analizar imágenes médicas para el diagnóstico de cáncer, crear código para desarrolladores o detectar fraudes financieros en bancos.
Con el aumento de la popularidad de las herramientas de IA en los últimos años, también han crecido los costos ambientales asociados. Actualmente, los centros de procesamiento de datos consumen 414 teravatios-hora al año, lo que representa aproximadamente el 1.5 % del consumo eléctrico global, según la Agencia Internacional de la Energía. Esta cifra ha aumentado un 12% anual durante cinco años y se prevé que alcance el 17 % en 2025. Para 2030, se estima que la demanda de electricidad de estos centros se duplicará. Gran parte de esta creciente demanda se satisface con combustibles fósiles, lo que genera preocupación entre los expertos sobre el uso de recursos hídricos locales para la refrigeración de los centros de datos, especialmente en regiones afectadas por la sequía.
Responsabilidad de las empresas tecnológicas
El uso de la IA para generar texto o imágenes representa probablemente solo una pequeña parte de la huella ambiental de cada individuo. Los expertos enfatizan que es responsabilidad de las empresas tecnológicas reducir el consumo de recursos de la IA, desde la creación de algoritmos más eficientes hasta el desarrollo de hardware que consuma menos energía.
Sin embargo, existen medidas sencillas que los individuos pueden adoptar para asegurar que su uso de la IA tenga el menor impacto ambiental posible. Estas incluyen considerar cuidadosamente la necesidad de la IA en determinadas tareas y ajustar las instrucciones para minimizar la cantidad de cálculo requerido. “Las decisiones individuales no carecen de sentido, y algunas tienen más impacto del que la gente cree”, señala un experto en informática.
El consumo energético de los chatbots
Calcular la energía utilizada para procesar una consulta individual a un chatbot es una tarea complicada. Por ejemplo, Google estima que su modelo Gemini consume alrededor de 0.24 vatios-hora para responder a una consulta de texto de longitud media, lo que equivale a la electricidad necesaria para ver la televisión durante menos de nueve segundos. Además, este proceso consume aproximadamente 0.26 mililitros de agua y emite el equivalente a 0.03 gramos de dióxido de carbono, una cantidad que contrasta con los 400 gramos emitidos al conducir un automóvil de gasolina durante una milla. Aunque estos consumos son pequeños de manera individual, se acumulan considerablemente para aquellos que utilizan frecuentemente herramientas de IA.
La razón detrás del alto consumo energético de los modelos de IA se debe, en parte, a los procesadores que los alimentan, como las unidades de procesamiento gráfico (GPU), que consumen significativamente más energía que las unidades centrales de procesamiento (CPU), que se encargan de tareas más simples como búsquedas en la web y el correo electrónico. Esto también se relaciona con los modelos que sustentan la mayoría de las herramientas de IA generativa más populares, incluidos los modelos de lenguaje a gran escala (LLM) que alimentan a los chatbots y asistentes de IA.
Arquitectura y eficiencia de los modelos de IA
Estos modelos se basan en una arquitectura específica conocida como “transformer”. Esta estructura permite a los LLM entrenarse utilizando vastas cantidades de patrones lingüísticos en textos, lo que les permite calcular cientos de miles de millones o incluso billones de parámetros. Estos parámetros son utilizados para generar nuevas cadenas de texto, prediciendo qué palabras es probable que sigan a otras, lo que a su vez contribuye al alto consumo energético asociado con su funcionamiento.