En nuestra era de conciencia ambiental, donde cada acción cuenta, desde reciclar hasta utilizar energía renovable, ¿alguna vez pensaste en el impacto ambiental de la inteligencia artificial (IA)? Un estudio reciente de la Universidad Carnegie Mellon y Hugging Face, una comunidad de aprendizaje automático, revela datos impactantes que podrían cambiar tu perspectiva sobre el uso diario de modelos de aprendizaje automático.
La líder del equipo de investigación, Alexandra Luccioni, advierte que «las personas piensan que la IA no tiene impactos ambientales, que es una entidad tecnológica abstracta que vive en una ‘nube'». Sin embargo, cada vez que consultamos un modelo de IA, tiene un costo para el planeta, y es crucial calcularlo. Este estudio se presenta como la primera comparación sistemática de los costos asociados con modelos de aprendizaje automático.
Más allá de la abstracción tecnológica
Es posible que ya estés contribuyendo al cambio climático si eres uno de los 10 millones de usuarios que acceden a modelos de aprendizaje automático a diario. La investigación encontró que utilizar un modelo de IA para generar una imagen requiere la misma cantidad de energía que cargar un teléfono inteligente. ¿Imaginabas que tus búsquedas diarias en la web podían tener un impacto equiparable al uso de tu teléfono?
El equipo de Luccioni probó 30 conjuntos de datos utilizando 88 modelos y descubrió diferencias significativas en el uso de energía entre diferentes tipos de tareas. Midiendo las emisiones de dióxido de carbono por tarea, encontraron que la mayor cantidad de energía se gastó en Stable Diffusion XL de Stability AI, un generador de imágenes, emitiendo casi 1,600 gramos de dióxido de carbono, equivalente a conducir cuatro millas en un automóvil a gasolina.
Curiosamente, el estudio reveló que las tareas generativas, como la creación de nuevas imágenes y resúmenes, son más intensivas en energía y carbono que las tareas discriminatorias, como clasificar imágenes o texto. La elección de modelos multipropósito para tareas discriminatorias también demostró ser más intensiva en energía que utilizar modelos específicos para la misma tarea.
Los investigadores señalan que el cambio reciente hacia el uso de modelos multipropósito para una variedad de tareas, en lugar de modelos más pequeños y específicos, es crucial. «Es el punto más convincente de nuestro estudio dada la tendencia actual hacia modelos que realizan múltiples tareas a la vez, desplegados para responder a una avalancha de consultas de usuarios en tiempo real», indica el informe.
Según Luccioni, surge la pregunta: «Si estás realizando una aplicación específica, como buscar en el correo electrónico, ¿realmente necesitas estos modelos grandes capaces de todo? Yo diría que no». Este planteamiento resalta la importancia de ser conscientes de dónde y cómo utilizamos la IA generativa, comparando cuidadosamente sus costos y beneficios.
Pequeñas cifras, gran impacto ambiental
Aunque las emisiones de dióxido de carbono para tareas específicas pueden parecer pequeñas, cuando se multiplican por millones de usuarios que dependen diariamente de programas generados por IA con múltiples solicitudes, los totales podrían tener un impacto significativo en los esfuerzos por reducir el desperdicio ambiental.
Los hallazgos de este estudio se han publicado en el servidor de preimpresiones arXiv, proporcionando una visión profunda de cómo la inteligencia artificial contribuye al problema del cambio climático. La información adicional puede consultarse en el artículo titulado «Power Hungry Processing: Watts Driving the Cost of AI Deployment?».
En una declaración final, Luccioni destaca, «Creo que, en general, para la IA generativa, debemos ser conscientes de dónde y cómo la usamos, comparando sus costos y beneficios». La llamada a la reflexión sobre el uso responsable de la inteligencia artificial se vuelve más apremiante a medida que la tecnología se integra cada vez más en nuestras vidas cotidianas.
Este estudio plantea preguntas fundamentales sobre el futuro de la IA y su sostenibilidad. ¿Cómo podemos equilibrar el avance tecnológico con la responsabilidad ambiental? ¿Deberíamos reconsiderar la tendencia hacia modelos más grandes y abogar por enfoques más específicos y eficientes?
