En este episodio de Datos Ninja se explora el impacto ambiental de la inteligencia artificial, centrándose en su huella de carbono y el consumo de recursos.
Puntos clave
- Consumo energético en entrenamiento y uso: Los modelos de IA, como GPT-4 (con billones de parámetros), requieren millones de operaciones matemáticas ejecutadas en GPUs, que consumen grandes cantidades de electricidad y agua para refrigeración. Esto se agrava en centros de datos, donde la energía proviene mayormente de combustibles fósiles.
- Impacto en emisiones de CO₂: El entrenamiento del modelo BLOOM (176 mil millones de parámetros) generó 24 toneladas de CO₂ en 118 días, equivalente a las emisiones de 25 vuelos Nueva York-San Francisco. Durante su uso, con 558 consultas por hora, emitió 20 kg de CO₂ diarios.
- Agua y refrigeración: Los centros de datos usan agua dulce para enfriar servidores. Por ejemplo, Google consumió 12.700 millones de litros de agua en 2021 en EE.UU., un recurso crítico en regiones con sequía.
- Escala del problema: Las emisiones de centros de datos se duplicaron entre 2017 y 2020. Empresas como Google destinan el 10-15% de su energía total a IA, comparable al consumo eléctrico anual de una ciudad de 500.000 habitantes.
- Transparencia y soluciones: Aunque empresas prometen cero emisiones netas para 2030, existe opacidad en reportar su impacto real. Se menciona la necesidad de adoptar energías renovables y optimizar algoritmos para reducir costos ambientales.
El podcast concluye resaltando la paradoja de la IA: mientras revoluciona sectores, su desarrollo masivo amenaza con agravar la crisis climática si no se gestiona de forma sostenible.
Conclusión
El podcast concluye resaltando la paradoja de la IA: mientras revoluciona sectores clave de la economía, su desarrollo masivo puede agravar la crisis climática si no se gestiona de forma sostenible y teniendo en cuenta el desarrollo de algoritmos verdes.
Para profundizar en estos temas, puedes escuchar el episodio completo en Datos Ninja
Categorías