¿Es sostenible la inteligencia artificial?

Urgente, inminente e inevitable. Son tres adjetivos que no aclaran qué es la inteligencia artificial, pero sí el sentimiento que la ha acompañado en los últimos años. Más que como una tecnología revolucionaria, la IA ha irrumpido en nuestras vidas como un destino inexorable, lo cual ha ofuscado algunas preguntas fundamentales. ¿Es la IA un fin en sí misma o un medio? ¿Y si es un medio, para qué fin? Y en todo caso, ¿el fin justifica los medios? 

Uno de sus fines más publicitados es el potencial para expandir las fronteras de la ciencia, y en concreto, para hacer frente a la emergencia medioambiental. Como herramienta, la IA nos permite rastrear el deshielo de los glaciares, organizar con mayor eficacia la reducción de emisiones en ciertos sectores o predecir con más precisión fenómenos climáticos que pueden resultar catastróficos. Y pese a lo prometedor de estas aplicaciones, la IA está lejos de ser una tecnología ecológica.  

Rematerializar la inteligencia artificial

Para Irene Unceta, directora académica del Bachelor in Artificial Intelligence for Business de Esade, hay que comprender que “la IA es, ante todo, una industria”. Pero mientras otras industrias evocan imágenes de chimeneas, humo y contaminación, nuestra concepción de la IA se aleja mucho de estas representaciones. Una rápida búsqueda en internet devuelve imágenes abstractas de cerebros cibernéticos, patrones digitales y, eso sí, algún que otro microchip. 

Términos como ‘la nube’ contribuyen a desmaterializar una industria que tiene un importante impacto ecológico

“El término ‘industria’ ayuda a conceptualizar un producto que no ha surgido de la nada. Pone de manifiesto toda la historia que hace posible su creación”, coincide Paula Subías, colaboradora académica en Esade y profesora de la asignatura Machine Learning and Sustainability. Es un término que contrasta con otros que rodean a esta tecnología, como esa ‘nube’ que aloja los datos de los que se nutre de la IA. En su opinión, “contribuyen a la desmaterialización de la IA como si se tratara de algo etéreo cuyo impacto no es real ni tangible”. 

Se suma que, por lo que respecta al usuario final, la IA tiene la apariencia de un software cualquiera. La interfaz de ChatGPT o Copilot se asemeja a la de un programa informático común. “Esto provoca que todo lo que hay detrás resulte opaco para el público”, apunta Unceta. Invisible a los ojos se encuentra todo un soporte físico compuesto por enormes centros de datos e infinidad de componentes de hardware (microchips y GPUs) que dependen de una larga y compleja cadena de suministros cuyo impacto en el medio ambiente resulta muy difícil de auditar. 

El impacto medioambiental de la IA

En Estados Unidos, el consumo energético de los centros que permiten alojar los datos, entrenar los modelos y ejecutar los cálculos necesarios para su funcionamiento se ha triplicado durante la última década y, según las estimaciones del Departamento de Energía, se volverá a triplicar hasta 2028. Las proyecciones indican que la electricidad requerida anualmente será de 325 teravatios hora (TWh), lo que supone un consumo mayor al de países como España, Italia o Reino Unido. 

Los centros de datos que hacen funcionar la IA ya consumen más energía que países enteros

La carrera comercial por liderar el mercado de la IA también ha disparado la huella de carbono de las grandes tecnológicas, que hasta hace poco se encontraban a la cabeza de los esfuerzos corporativos por la sostenibilidad. Las emisiones de Google en 2023 fueron un 48 % más altas que en 2019 y las de Microsoft también se dispararon un 29 % respecto a 2020, mientras que las de Meta aumentaron un 66 % respecto a 2021. 

Por si fuera poco, estas infraestructuras son especialmente sensibles al aumento de las temperaturas asociado al cambio climático. Los centros de datos son instalaciones que generan enormes cantidades de calor residual, por lo que requieren gran cantidad de energía y agua para refrigerarse. Y a medida que la temperatura ambiental aumenta, más exigente es su uso de recursos. Se estima que para 2027, la IA consuma anualmente entre 4.200 mil y 6.600 millones de metros cúbicos de agua, lo que supone de 4 a 6 veces el consumo Dinamarca o la mitad del de Reino Unido. 

Más no siempre es mejor

Gran parte de este disparatado consumo energético tiene que ver con el tipo de desarrollo que se ha perseguido, hasta ahora basado en la máxima bigger is better (cuanto más grande, mejor). Tal como explica Unceta, la ‘tríada’ de la IA está formada por los datos de entrenamiento, la capacidad de computación y el algoritmo: estas tres palancas son las que permiten crear modelos más potentes. En los últimos años, se ha apostado por los datos y, especialmente, por la computación, que genera un impacto medioambiental más alto. 

Las ganancias de aumentar el tamaño de los modelos decaen mientras su consumo de recursos crece constante

Sin embargo, pisar el acelerador de la computación significa apostar por la fuerza bruta para conseguir mejores resultados, lo cual va en detrimento de una mayor eficiencia. La evolución de los grandes modelos de lenguaje (LLMs) en años recientes ha evidenciado una tendencia de rendimientos decrecientes por la que las ganancias de aumentar el tamaño del modelo son cada vez más marginales, a pesar de que los costes económicos y ambientales siguen creciendo de manera lineal. 

Para Subías, convendría replantear la perspectiva excesivamente cortoplacista con la que se evalúa el rendimiento de los LLMs. “Nos centramos en el problema inmediato a solucionar, pero no se tiene en cuenta la sostenibilidad económica, social y ambiental a largo plazo”, indica. “Como cualquier industria, la IA también tendría que estar sometida a controles de calidad, criterios de impacto, evaluaciones de eficiencia...”, añade Unceta. 

Esta mentalidad cortoplacista también aplica a los usuarios que nos beneficiamos de una tecnología que facilita la satisfacción instantánea de nuestras necesidades a través de un mero prompt. “La IA quema recursos que tienen muchísimos años a una velocidad disparatada”, recuerda Unceta. “Por una pregunta banal, estamos consumiendo gran cantidad de agua y energía. No es cuestión de trasladar la responsabilidad al ciudadano, pero sí que conviene ser más conscientes del impacto”. 

¿DeepSeek lo cambia todo?

A pesar de todo, la reciente irrupción de DeepSeek anuncia “un posible cambio de paradigma”, de acuerdo con la profesora Unceta. Este modelo made in China ha sido capaz de alcanzar a sus pares estadounidenses con un uso de recursos mucho más reducido, obligado en gran parte por las limitaciones impuestas a la industria del país asiático. Considerando esa tríada de la IA, “DepSeek devuelve la importancia al algoritmo y se la resta a la computación”. 

El modelo de desarrollo anunciado por DeepSeek permitirá a Europa apostar más por el talento y no tanto por la infraestructura

“En parte, la apuesta por el cómputo era el desprestigio de la investigación. DeepSeek ha permitido devolver la importancia a la ciencia que hay detrás de la IA”, añade Subías. Un giro en la estrategia que no solo una buena noticia para el planeta, sino también para Europa. “Abre la puerta a que se genere una competencia análoga en Europa, que hasta ahora justificaba su retraso en la falta de poder computacional”, indica. 

“Si buscamos una fórmula eficaz, efectiva y eficiente de resolver los problemas, devolvemos el poder a lo académico y a lo público. Ya no se necesitan esos volúmenes ingentes de inversión y puedes apostar por el talento, no tanto por la infraestructura”, explica Unceta.  

Además, este cambio de foco también abre vías para solucionar otro tipo de retos relacionados con los sesgos y la justicia algorítmica o la interpretabilidad de los modelos, hasta ahora relegados a un segundo plano por la industria. “Poner a más cabezas pensando en el problema algorítmico nos permite avanzar en problemas que van más allá de la sostenibilidad ambiental”, concluye la profesora.