No todos los modelos de IA gastan lo mismo. Pero, en general, el entrenamiento y uso de la IA, se trata de una práctica con un alto gasto energético. Algo que no le viene nada bien a nuestro ya débil planeta, pues conlleva alimentarse de potenciales fuentes energéticas contaminantes.
Modelos de IA, como el hoy popular GPT-3, requieren una gran cantidad de recursos computacionales, consumiendo energía a mansalva. Solo para el entrenamiento de los modelos se requieren potentes grupos de servidores, con TPU (siglas en inglés de: unidades de procesamiento tensorial) y con GPU (siglas en inglés de: unidades de procesamiento gráfico). El primero es un tipo de procesamiento, diseñado por Google, para acelerar los cálculos de la IA basado en operaciones de multiplicación y acumulación en forma de tensor. Los tensores son operaciones vertebrales en las aplicaciones de IA.
Por qué los mineros de criptomonedas con GPU miran hacia la IA
IA energía
Por ejemplo, están detrás del procesamiento de imágenes, el procesamiento de lenguaje natural y el entrenamiento de modelos de aprendizaje profundo. Hay que tener en cuenta que el aprendizaje profundo funciona a partir de técnicas estadísticas. Por ejemplo, para darte la imagen de un coche, lo que hace es inferir la imagen de coche a partir del registro de miles de imágenes etiquetadas con el término “coche”. De hecho, en sentido estricto, la IA no diferencia un coche de, por ejemplo, un tren, sino que es el resultado del “análisis” de imágenes que tienen la etiqueta “coche”. Si hubiera millones de imágenes de trenes con la etiqueta “coche”, nos daría un tren. En el entrenamiento, aprendería de sus errores, exigiéndose más entrenamiento. Y más gasto energético.
Por cierto, hablando de coches, un paper de la Universidad de Massachusets Amherst afirmaba que: “el entrenamiento de un modelo simple de IA puede llegar a emitir más carbono que cinco coches a lo largo de toda su vida útil”. Cuantas más sean las tareas que se le demanden a la IA y más complejas sean esas tareas, la demanda de procesamiento a los servidores será exponencialmente mayor.
Las GPU son más conocidas por su uso para la generación de gráficos en aplicaciones de juegos y, en general, toda aplicación en la que lo visual es central. En la IA, están teniendo un papel fundamental. Las GPU son usadas por la IA para el procesamiento masivamente paralelo de datos., acelerando los algoritmos de aprendizaje automático y redes neuronales. Gracias a ellas se puede llevar a cabo, de una forma eficiente, el procesamiento de grandes cantidades de datos y operaciones matemáticas intensivas. Operaciones como multiplicaciones de matrices. Operaciones que requieren gasto intensivo de energía.
La magia de la IA gasta mucha energía
Como puede observarse, el cálculo gasta energía. Lo que a muchos les parece una especie de magia abstracta, se materializa, dejando su huella. Una vez que se supera el nivel del cálculo complejo, para entrar en cálculos hipercomplejos, tiene una proyección en clave de coste energético.
Kolokium lanza solución blockchain que incorpora ID a los documentos
Durante su uso, tras su entrenamiento, también puede llegar a ser alto el gasto energético. Una parte depende del hardware que se utilice. Las respuestas o predicciones que nos hacen las IA son intensamente costosas. Para el usuario, pueden parecer incluso gratuitas. Pero tienen un coste importante en términos energéticos.
Qué es una DAO y cómo funciona
El reto de la IA se plantea en clave de control. Por un lado, controlar la IA para poder gestionar su aprendizaje automatizado. Por otro, viendo su gasto, controlarlo. Es el reto de la eficiencia energética. De momento, en esto ganan nuestros cerebros. Apenas alcanzan los 40 watios de energía. Es en este aspecto donde el cerebro humano vuelve a convertirse en modelo a seguir de la IA.
Por último, señalar que la cuestión de la huella de carbono de la IA en sus posibles desarrollos futuros también tiene una proyección geopolítica. Así, países menos comprometidos con la lucha contra el cambio climático y con la ambición de convertirse en primeras potencias mundiales, con la ayuda de la IA, pueden dejar a un lado la cuestión energética a la hora de sus programas de desarrollo de la IA.
También puedes seguirnos en nuestros canales de Telegram y Twitter
- La emergente adicción a la IA - 13 noviembre, 2024
- La industria cripto, pendiente de las elecciones de hoy en EEUU - 5 noviembre, 2024
- La IA se ha convertido en el nuevo espejo - 29 octubre, 2024