La irrupción de ChatGPT en 2022 supuso la revolución de la inteligencia artificial (IA) y la inauguración de la carrera por esta clase de tecnologías generativas. Su éxito fue tal, que tan solo un año después de su lanzamiento, ya contaba con más de 100 millones de personas registradas José Luis González, profesor en el área de Ciencia de la Computación en la Universidad de La Laguna, aclara que ChatGPT consume dieciséis veces más recursos energéticos que Google.
Según González, esto último se debe a que ChatGPT, al tratarse de un modelo de lenguaje reciente, «es normal que contamine más, ya que todavía le quedan muchos datos que indexar hasta volverse más rápido y, por tanto, consumir menos recursos».
La Organización de Naciones Unidas destaca que el entrenamiento de la IA mediante Modelos de Lenguaje Extensos (LLM) requiere 2.9 vatios por hora de electricidad, frente al 0.3 que representa una búsqueda normal en Internet. Además, aclara que los procesadores GPU, empleados en dicho proceso, consumen hasta diez veces más recursos que las CPU, predominantes en los centros de datos en el pasado.
«Los servidores de IA tienen una vida útil de entre tres y cinco años», detalla González. Además, apunta que, por su funcionamiento, es normal que la inteligencia artificial sea más contaminante. «Cada vez que se les da datos nuevos, los analiza y te da una respuesta, pero también pasan a ser parte del entrenamiento de la neurociencia de cara al futuro», declara.
Capgemini, empresa global líder en consultoría tecnológica y servicios digitales, asegura en su informe ‘Desarrollando una IA generativa sostenible’ que solo el 12 % de las empresas con más de 1000 millones de dólares de facturación que aplican esta tecnología miden la huella digital que produce. Asimismo, precisa que entrenar un modelo GPT-3 consume una cantidad de electricidad equivalente a la que producen al año 130 hogares en Estados Unidos. No obstante, con la llegada del modelo GPT-4, su preparación equivale al gasto anual de 5000. En cuanto al consumo de agua, la fase de entrenamiento puede consumir hasta 284 mil litros, lo que se correspondería a la empleada por una persona a lo largo de 27 años.
El papel de los centros de datos
Actualmente existen 11 mil instalaciones de este tipo en el mundo; en nuestro país, pasamos de tener nueve a principios de este siglo a más de un centenar (existentes y proyectados), de acuerdo con SpainDC. Asimismo, uno solo de estos centros puede llegar a consumir hasta 1.5 millones de litros de agua al día, toda ella destinada a la refrigeración de sus sistemas. Su alta demanda de energía ha llevado a las tecnológicas a estudiar el desarrollo de microreactores nucleares cerca de dichas plantas para asegurar el suministro eléctrico.
Según la Agencia Internacional de la Energía, los centros de datos, tan solo en el año 2022, consumieron alrededor del 3 % de la electricidad mundial en labores de criptominería y entrenamiento de la inteligencia artificial. A mayor trabajo en estas instalaciones, más aumenta la temperatura de dichos dispositivos, lo que deteriora sus componentes y se vuelve necesaria su refrigeración mediante abundantes cantidades de agua. Google asegura en su informe de impacto ambiental de 2024 que la compañía consumió 22,7 mil millones de litros, lo que supone un aumento del 8 % con respecto a 2023, todo ello impulsado por el crecimiento de la IA.
Los desechos electrónicos que el uso de esta clase de tecnologías produce y el alto coste de su reciclado llevan a las tecnológicas a seguir apostando por la compra de nuevos chips electrónicos (que requieren de minerales clave en su fabricación, de ahí la lucha global por su dominio). En relación a esto, la ONU detalla en su monitor mundial de residuos electrónicos que en el año 2022 se registró un récord en la emisión de desechos electrónicos a nivel global, unas 62 millones de toneladas, de las cuales solo el 22 % fueron recicladas.
En declaraciones a este periódico, Shaolei Ren, profesor asociado en la Universidad de California y una de las personalidades más eminentes en el estudio del impacto de la IA, detalla que es posible recuperar el agua empleada en la refrigeración de estos sistemas. «Podrían emplearse sistemas de circuito cerrado o reutilización de aguas residuales. Aun así, esto seguiría conllevando un aumento del consumo energético».
El docente determina que esto incrementaría aún más el consumo indirecto de agua. Sostiene que la IA debe mejorarse mediante fuentes de energía más limpias, software y hardware más eficientes, mayor transparencia ambiental y un desarrollo que considere todo su ciclo de vida. Ren afianza: «Los centros deben deslocalizarse a lugares con menor contaminación y densidad poblacional».
«Es complicado optimizar esta tecnología para que sea amigable con la naturaleza»
González reitera que es complejo entrenar a la IA para que sea amigable con el medioambiente. No obstante, considera que una de las soluciones a futuro será la inteligencia artificial distribuida, un nuevo modelo similar al minado de criptomonedas con el objetivo de reducir el número de ordenadores presentes en las grandes corporaciones. Esto es: «Las personas prestarán fracciones de su ordenador de forma remota para tratar de agilizar la IA y aumentar su potencia de cálculo, todo ello en la nube».
Pepe Cerezo, protagonista el pasado 9 de abril de las VII Jornadas de Innovación en la Pirámide de Guajara, opina que reducir la huella medioambiental de la IA va a ser un reto fundamental. «Hacer un uso ético de estas tecnologías depende de las personas y las instituciones. Es un deber concienciar sobre el costo energético que supone el uso de estos programas», aclara.
Las consecuencias más allá
Sin embargo, la inteligencia artificial también plantea problemas que van más allá de su contaminación directa. Según un equipo investigador de la Universidad de California y el Instituto de Tecnología de California, la carga para la salud pública de esta tecnología en el año 2023 se situó en 5600 millones de dólares, debido a la fuerte dependencia de la IA de los combustibles fósiles, y se estima que la cifra ascenderá a más de 20 mil millones de dólares para 2030. Lo que desencadenaría 1300 muertes prematuras tan solo en Estados Unidos por asma, un aumento del 36 % con respecto a los fallecimientos actuales por esta enfermedad debido a la expulsión de partículas nocivas como óxido de nitrógeno. .
La contaminación atmosférica es responsable de más de 4 millones de muertes prematuras globalmente. El costo sanitario también podría variar entre los distintos países y comunidades. En el caso estadounidense planteado en el estudio, se observa que la relación entre el condado con mayor costo sanitario por hogar y el de menor podría superar las 200 veces.
En consonancia con lo expuesto hasta ahora, Shaolei Ren asegura que la polución del aire derivada de los generadores de respaldo, así como la generación de energía y la fabricación de chips, puede aumentar los riesgos respiratorios. «Estas formas de contaminación pueden desplazarse cientos de kilómetros y, por tanto, no solo afectar a las personas que vivan cerca de los centros de datos», destaca. Además, pone de relieve el caso del Estado de Virginia, donde se estima que los generadores diésel empleados como apoyo a la IA podrían provocar 190 muertes al año.
Ren señala que el uso de generadores de respaldo, si bien está limitado, emite a la atmósfera entre 200 y 600 veces más óxido de nitrógeno que una central eléctrica de gas natural. «Para tratar de solucionar esta problemática, el entrenamiento de la IA debe tener en cuenta su impacto, lo que requiere cambios mínimos en los sistemas existentes. Las empresas solo deben considerar los costos de salud pública al tomar decisiones. «La IA orientada a la salud es sinónimo de progreso», concluye.
