Categorías
Actualidad

Impacto Energético de la IA en Tareas Cotidianas y Ambiente

Un estudio reciente resalta la importancia de tener en cuenta el consumo energético de las tareas realizadas por la Inteligencia Artificial (IA), ya que esta tecnología se encuentra cada vez más integrada en sistemas operativos, aplicaciones y páginas web.

El uso de energía de las actividades efectuadas por la IA es considerablemente alto, en especial para la generación de imágenes. Esta tarea puede llegar a consumir la energía equivalente a una carga completa de batería de un smartphone por cada imagen producida.

Cuando se emplea la IA para realizar tareas cotidianas, esta tecnología ofrece una variedad de servicios. Estos van desde organizar datos y proporcionar respuestas específicas, hasta crear imágenes totalmente nuevas a partir de instrucciones del usuario, así como resumir textos o analizar datos.

Cada vez más personas utilizan herramientas como ChatGPT de Open AI, Bard de Google, y modelos específicos como DALL-E o Imagine para la creación de imágenes a partir de descripciones de texto.

Incluso se utiliza el asistente de Meta para interactuar en redes sociales como Instagram y Facebook.

Sin embargo, a pesar de que el uso de la IA generativa resulta fácil para los usuarios, quienes simplemente ingresan descripciones para obtener resultados de estos chatbots, la tecnología consume una gran cantidad de energía, lo que tiene consecuencias significativas para el medio ambiente.

El alto consumo energético de la IA

En particular, se destaca el consumo energético necesario para la generación de imágenes mediante IA, que es mayor en comparación con otras tareas.

Este proceso utiliza la energía equivalente a una carga completa de batería de smartphone por imagen creada.

Esto fue destacado en un estudio sobre el uso energético de la IA, llevado a cabo por investigadores de la Carnegie Mellon University de Estados Unidos y la empresa Hugging Face, especializada en el desarrollo de herramientas para aplicaciones basadas en aprendizaje automático.

Los investigadores señalaron que el objetivo del estudio es «comprender el impacto ambiental de diversas industrias y desarrollar estrategias efectivas para mitigarlo».

Se centraron en industrias emergentes como las tecnologías de información y comunicación (TIC), que incluyen la IA y el aprendizaje automático.

De hecho, según el estudio, entre 2017 y 2021, la electricidad utilizada por los principales proveedores de servicios en la nube -Meta, Amazon, Microsoft y Google- se ha duplicado.

Según los datos del estudio, en términos globales, el consumo de electricidad de los centros de datos ha crecido entre un 20 y un 40 por ciento anualmente en los últimos años, representando hasta el 1,3 por ciento de la demanda mundial de electricidad.

Además, el uso de tal cantidad de electricidad ha contribuido con el uno por ciento de las emisiones totales de gases de efecto invernadero relacionadas con la energía en 2022.

El estudio reciente indica que, en el proceso de entrenamiento de modelos de aprendizaje automático (ML), el consumo energético es relativamente bajo comparado con otras etapas del ciclo de vida de estos modelos.

Se ha encontrado que la fase de inferencia tiene un impacto ambiental «igual o superior» al entrenamiento debido a los recursos computacionales requeridos para «implementar modelos a gran escala».

En este contexto, los investigadores han evaluado el consumo energético de diez diferentes tareas de ML en cinco categorías: Texto a categoría, Texto a texto, Imagen a categoría, Imagen a texto y Texto a imagen.

Este análisis incluyó la clasificación de textos, tokens y respuestas a preguntas, así como la generación y resumen de textos y la clasificación de imágenes, detección de objetos, subtítulos para imágenes y generación de imágenes.

De acuerdo con los resultados, las tareas de clasificación de imágenes y texto están en el «extremo inferior» en términos de consumo energético, mientras que las tareas generativas, como la generación y resumen de textos, consumen «más de diez veces más energía por el mismo número de inferencias».

Las tareas multimodales, como los subtítulos de imágenes y la generación de imágenes a partir de texto, se encuentran en «el extremo más alto del espectro», consumiendo hasta 2,9 kW/hora por cada 1.000 inferencias.

Como comparación, el estudio señala que, considerando que la carga de un smartphone promedio requiere 0,012kWh de energía, el modelo de generación de texto «más eficiente» podría consumir tanta energía como para cargar al 16% un smartphone por cada mil inferencias.

Por otro lado, el modelo de IA de generación de imágenes «menos eficiente» podría llegar a usar tanta energía como para cargar casi completamente la batería de un smartphone por cada imagen generada.

Sin embargo, los autores del estudio también enfatizan que existe una «gran variabilidad entre los modelos de generación de imágenes» y que esto también depende del tamaño de la imagen generada.

Debido a esto, el estudio subraya la importancia de tener en cuenta el consumo energético en cada tarea realizada por la IA, especialmente ahora que esta tecnología se integra cada vez más en sistemas operativos, aplicaciones y páginas web.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *