La información precisa sobre el consumo de energía y carbono es esencial para comprender los posibles impactos climáticos de la investigación en aprendizaje automático. David Sontag, científico de la computación, edita Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning, un estudio que profundiza en el rastreo del consumo de energía y emisiones de carbono en tiempo real mediante la creación de una interfaz simple y un marco de estandarización.
Proponer estrategias para mitigar las emisiones de carbono y reducir el consumo de energía, hacen que el registro sea más fácil e impulsa que haya mayor número de investigaciones sobre algoritmos eficientes en términos de energía.
Impacto ambiental de la IA
El entrenamiento y despliegue de modelos de IA, especialmente los de gran escala, requieren una cantidad significativa de recursos computacionales. Este consumo energético puede traducirse en una huella de carbono considerable si no se gestiona adecuadamente. Según un estudio publicado en el Journal of Machine Learning Research, la falta de reportes sistemáticos sobre el consumo de energía y las emisiones de carbono en la investigación de IA dificulta la comprensión completa de su impacto ambiental.
Hacia una IA más verde
Para mitigar el impacto ambiental de la IA, es fundamental adoptar prácticas que promuevan su sostenibilidad. La UNESCO ha destacado diversas estrategias para reducir la huella de carbono de las tecnologías de IA y utilizarlas en la lucha contra el cambio climático y la conservación de la biodiversidad. Estas estrategias incluyen el desarrollo de modelos más pequeños y específicos, la mejora de la eficiencia energética y la implementación en hardware en centros de datos alimentados con energía renovable.
Aplicaciones de la IA en la conservación ambiental
La IA ofrece múltiples aplicaciones que contribuyen directamente a la preservación del medio ambiente:
- Predicción y Prevención de Desastres Naturales. Los algoritmos de IA pueden analizar grandes cantidades de datos climáticos y geoespaciales para anticipar eventos como inundaciones, incendios forestales y terremotos, permitiendo una respuesta más rápida y eficaz.
- Monitoreo de la Biodiversidad. Proyectos pioneros, como el 'Rastreador de Gorilas' en el zoológico de Berlín, utilizan la IA para analizar los movimientos y comportamientos de especies en peligro de extinción, facilitando la detección precoz de enfermedades y mejorando los esfuerzos de conservación.
- Gestión de recursos naturales. La IA puede optimizar la planificación de áreas protegidas y la restauración de ecosistemas degradados, ayudando a recuperar la biodiversidad y a gestionar de manera más eficiente los recursos naturales.
Iniciativas destacadas
Varias organizaciones y proyectos están liderando el camino en la integración de la IA para la sostenibilidad ambiental:
- Salesforce: La compañía ha desarrollado modelos más pequeños y específicos de dominio, mejorando la eficiencia e implementándolos en hardware en centros de datos alimentados con energía renovable para reducir la huella de carbono.
- Telefónica: Ha implementado análisis predictivos de la contaminación del aire a nivel urbano, combinando datos de movilidad de la red con datos abiertos en ciudades como São Paulo, Brasil, para mejorar la calidad del aire y optimizar las zonas urbanas de bajas emisiones.
Un enfoque sostenible para minimizar el impacto
La inteligencia artificial tiene el potencial de ser una aliada poderosa en la preservación del medio ambiente. Sin embargo, es crucial que su desarrollo y aplicación se realicen de manera consciente y sostenible, minimizando su impacto ambiental. La colaboración entre investigadores, empresas y gobiernos es esencial para promover prácticas de IA verde que contribuyan a un futuro más sostenible para nuestro planeta.
Fuente: Henderson, P., Hu, J., Romoff, J., Brunskill, E., Jurafsky, D., & Pineau, J. (2020, 31 enero). Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning. arXiv.org. https://arxiv.org/abs/2002.05651v2