Inteligencia artificial: ¿Cuál es la huella de carbono de los modelos generativos de IA?

La inteligencia artificial (IA) generativa ha revolucionado la tecnología, desde chatbots hasta generadores de imágenes. Sin embargo, el aumento en la potencia de estos modelos plantea la pregunta: ¿cuál es su impacto en la huella de carbono y el calentamiento global?

El consumo energético de un solo modelo de IA es difícil de estimar, ya que implica la energía utilizada en la fabricación del equipo informático, la creación y el uso del modelo en producción.

Según Euronews, en 2019 los investigadores descubrieron que la creación de un modelo generativo de IA llamado BERT, con 110 millones de parámetros, consumía la misma energía que un vuelo transcontinental de ida y vuelta para una persona.

El número de parámetros se refiere al tamaño del modelo, y generalmente, los modelos más grandes son más poderosos. Por ejemplo, se estima que la creación de GPT-3, con 175 mil millones de parámetros, consumió 1.287 megavatios por hora de electricidad y generó 552 toneladas de dióxido de carbono. Esto equivale a las emisiones de 123 vehículos de pasajeros de gasolina conduciendo durante un año.

Es importante destacar que estas cifras solo corresponden a la preparación del modelo para su lanzamiento, antes de que los consumidores comiencen a utilizarlo.

Otros factores determinantes

El tamaño del modelo no es el único factor determinante de las emisiones de carbono. El modelo BLOOM, desarrollado por el proyecto BigScience en Francia, es similar en tamaño a GPT-3 pero tiene una huella de carbono mucho menor. Consume 433 megavatios por hora de electricidad para generar 30 toneladas de CO2eq.

Un estudio realizado por Google reveló que, para modelos del mismo tamaño, el uso de una arquitectura y un procesador más eficientes, junto con centros de datos más ecológicos, puede reducir la huella de carbono entre 100 y 1.000 veces.

A medida que los chatbots y generadores de imágenes se vuelven más populares, y empresas como Google y Microsoft incorporan modelos de lenguaje de IA en sus motores de búsqueda, el número de consultas generadas diariamente podría crecer de manera exponencial. Si los chatbots se vuelven tan populares como los motores de búsqueda, los costos energéticos para implementar la IA podrían aumentar considerablemente.

Otro desafío es que los modelos de IA necesitan actualizarse de manera continua. Por ejemplo, ChatGPT solo se entrenó con datos hasta 2021, por lo que no tiene conocimiento de los acontecimientos más recientes. La huella de carbono de crear y mantener ChatGPT no se ha hecho pública, pero es probable que sea mucho mayor que la de GPT-3. Si el modelo tuviera que recrearse regularmente para actualizar su conocimiento, los costos energéticos aumentarían aún más.

El futuro es incierto, pero los modelos generativos de IA han llegado para quedarse y es probable que se recurra cada vez más a ellos en busca de información y conocimiento.