Los impactos ambientales de la IA

Inteligencia artificial, trabajo y futuros del capitalismo
Organiza: 
Nociones Comunes
Ponente: 

Fernando Tucho (Ecología y media) y Tu nube seca mi río

10/04/2024 - 19:00
Ateneo Maliciosa / ONLINE
Curso
Entrada previa inscripción

En esta sesión profundizaremos sobre los  impactos ambientales de la inteligencia artificial (IA). Examinaremos las diversas manera en la que la IA afecta al medio ambiente. Este impacto material se refleja en todas las fases de su ciclo de vida: diseño, obtención de materias primas, manufactura, uso y consumo, y desecho o fin de vida (basura electrónica). En especial, cómo el entrenamiento de modelos de IA, especialmente aquellos de gran escala como GPT-4, requiere una cantidad significativa de energía, lo que puede contribuir a la huella de carbono global.

Si los centros de datos que sostienen la nube ya serían responsables del consumo del 1% de toda la energía global, añadir la IA a los buscadores de manera habitual como ya están haciendo Microsoft o Google implicaría aumentar cuatro o cinco veces la potencia computacional, y con ello la demanda de energía y sus consecuentes emisiones. Sólo entrenar estos modelos de lenguaje natural implica un alto consumo de energía: se estima que el entrenamiento de ChatGPT-3 habría consumido 1.287 megavatios hora (MWh), generando un volumen de emisiones superior a 550 toneladas de carbono (el triple que un avión de pasajeros que hiciera el trayecto ida y vuelta entre San Francisco y New York). A ello habría que sumar el consumo de cada consulta realizada con el chatbot (ChatGPT alcanzó en su primer mes de lanzamiento al público 57 millones de usuarios activos, batiendo los récords de cualquier red social). Según recoge El País, «el uso que se había hecho de electricidad en enero de 2023 en OpenAI, la empresa responsable de ChatGPT, podría equivaler al uso anual de unas 175.000 familias danesas».

A este consumo energético habría que sumar el consumo de agua: 700.000 litros para el desarrollo del GPT-3 (el equivalente a producir 370 coches BMW o 320 vehículos eléctricos Tesla) si hubiera sido entrenado en ordenadores en EE.UU. o tres veces más si lo hubiera sido en los centros de datos de Microsoft en Asia, una información que la compañía no ha facilitado; a lo que hay que sumar el medio litro que consumiría cada consulta media de 30-50 preguntas.

Si estas cifras parecen abultadas, anotemos otro dato: si el desarrollo de un modelo de Machine Learning en 2015-16 suponía de media la emisión de 487 toneladas de CO2e, para 2020-22 se había incrementado a 2020 toneladas.

Por supuesto, a la problemática del consumo de energía habría que sumar la derivada de la producción de nuevos equipamientos, con la demanda de nuevas materias primas y manufactura, más los desechos electrónicos que implica.

Una vez más, las empresas nos imponen un nuevo avance tecnológico sin ningún tipo de discusión pública al que rápidamente nos entregamos de forma acrítica. Sin duda traerá grandes aportes a esta sociedad donde toda la confianza se deposita en la tecnología, pero también grandes riesgos y sombras como su contribución a la crisis climática.

Libros relacionados