Así lo ha señalado el estudio sobre el procesamiento de energía que utiliza la IA, realizado por investigadores pertenecientes a la Carnegie Mellon University
Agencia Excélsior
El consumo de energía que requieren las tareas llevadas a cabo por Inteligencia Artificial (IA) es muy alto, especialmente en la generación de imágenes, que es capaz de consumir el equivalente a alrededor de una carga de batería al 100 por cien en un ‘smartphone’ por cada imagen generada.
Impacto energético de la generación de imágenes con IA
A la hora de utilizar la IA para llevar a cabo tareas del día a día, esta tecnología es capaz de ofrecer distintos servicios, desde organizar datos y ofrecer respuestas a temas concretos, hasta generar imágenes completamente nuevas a partir de indicaciones del usuario, pasando por el resumen de textos o el análisis de datos.
En este sentido, cada vez más usuarios hacen uso de opciones como ChatGPT, desarrollado por Open AI, o Bard, creado por Google, así como de herramientas más concretas, como los modelos DALL-E o Imagine, para creaciones de imágenes a partir de descripciones de texto, incluso, el asistente de Meta para interactuar en las redes sociales Instagram y Facebook.
Sin embargo, aunque utilizar la IA generativa es algo sencillo para los usuarios, que solo tienen que introducir descripciones de lo que desean obtener del ‘chatbot’, esta tecnología hace un consumo de energía muy elevado, lo que se traduce en graves consecuencias para el medio ambiente.
Sobre todo, sobresale el uso de energía necesario para generar imágenes con IA, que supera al resto de tareas, ya que utiliza la energía equivalente a una carga completa de batería de un ‘smartphone’ por cada imagen generada.
Innovación tecnológica vs. sostenibilidad ambiental
Así lo ha señalado el estudio sobre el procesamiento de energía que utiliza la IA, realizado por investigadores pertenecientes a la Carnegie Mellon University de Estados Unidos y la empresa Hugging Face, desarrolladora de herramientas para crear aplicaciones utilizando el aprendizaje automático.
Tal y como han apuntado, este estudio tiene la intención de «comprender el impacto ambiental de las distintas industrias para desarrollar estrategias eficaces que mitiguen este impacto». Así, se han enfocado en las industrias más nuevas, como son las tecnologías de la información y comunicación (TIC), de la que forma parte la IA y el aprendizaje automático.
Tanto es así que, según se subraya en el estudio, entre el año 2017 y el 2021 la electricidad utilizada por los principales proveedores de computación en la nube -Meta, Amazon, Microsoft y Google- se ha duplicado.
Según las cifras que recaba el estudio, a nivel general, el consumo mundial de electricidad de los centros de datos ha crecido entre un 20 y un 40 por ciento anual en los últimos años, alcanzando hasta el 1,3 por ciento de la demanda mundial de electricidad. Además, el uso de tal cantidad de electricidad ha contribuido al uno por ciento de las emisiones de gases de efecto invernadero relacionadas con la energía en 2022.
Concretamente, a la hora de entrenar modelos de aprendizaje automático (ML), se ha comprobado que el uso de energía por modelo para esa fase es menor que otras fases del ciclo de vida de dichos modelos. Por ejemplo, la inferencia tiene un impacto sobre el medio ambiente «igual o mayor» que el entrenamiento, lo que se debe a los recursos informáticos necesarios para «desplegar modelos a gran escala», tal y como han explicado.
En este marco, a la hora de determinar qué labores realizadas por IA consumen más energía, los investigadores han comparado diez tareas de ML de cinco modalidades diferentes: Texto a categoría, Texto a texto, Imagen a categoría, Imagen a texto y Texto a imagen.
En concreto, han analizado cuestiones como la clasificación de textos, tokens y respuestas extractivas a preguntas. Asimismo, también han medido la energía para la generación y resumen de textos y, finalmente, la clasificación de imágenes, detección de objetos, subtitulado de imágenes y generación de imágenes.
Con todo ello, según los datos obtenidos, las tareas de clasificación de imágenes y texto, se sitúan en el «extremo inferior del espectro» en términos de energía, mientras que las tareas generativas, como la generación y el resumen de textos, consumen «más de diez veces más energía para el mismo número de inferencias».
Siguiendo esta línea, las tareas multimodales, como el subtitulado de imágenes y la generación de imágenes a partir de texto, se sitúan en «el extremo más alto del espectro», con hasta 2,9KW/hora por cada 1.000 inferencias.
A modo de comparación, el estudio detalla que teniendo en cuenta que la carga de un ‘smartphone’ medio requiere un consumo de 0,012kWh de energía, el modelo de generación de texto «más eficiente» puede llegar a utilizar tanta energía como la que se utiliza cargar al 16 por ciento un ‘smartphone’ cada mil inferencias.
Sin embargo, el modelo de IA de generación de imágenes «menos eficiente» puede alcanzar a utilizar tanta energía como casi una carga al 100 por cien de la batería de un ‘smartphone’ por cada imagen generada.
No obstante, los creadores del estudio también puntualizan que «hay una gran variación entre los modelos de generación de imágenes» y que, además, también depende del tamaño de imagen que genere.
Hacia una IA más eficiente y ecológica
Por todo ello, el estudio plantea la necesidad de considerar la cantidad de energía utilizada en cada labor que lleva a cabo una IA, dado que esta tecnología cada vez está más integrada en cada sistema operativo, aplicación o página web.
