¿Cuál es el impacto energético de la IA de Google?

Los medios de comunicación están repletos de titulares que mencionan la voracidad de la Inteligencia Artificial. Las cifras no engañan; para muchos expertos, los centros de entrenamiento de la IA son una amenaza medioambiental. Según un estudio de la compañía francesa Schneider Electric, el consumo mundial de esta tecnología rondaba los 4,3 GW en 2023, una cantidad equivalente a la que demandan algunos países pequeños. Otros informes comparan la energía consumida por Gemini en un segundo con la necesaria para cargar siete coches eléctricos. Sin embargo, otras voces no menos reputadas son más optimistas al respecto. Así se desprende de una entrevista mantenida con Bill Gates en Londres, en la que aseguraba que los centros de datos suponen una carga adicional de energía relativamente pequeña.

En cualquier caso, este exceso de consumo energético no pasa desapercibido a nadie. Las propias compañías tecnológicas que desarrollan herramientas de Inteligencia Artificial reconocen este inconveniente y tratan de minimizar el efecto medioambiental de sus centros de datos. Reducir la huella de carbono es también el objetivo de Google, cuyo último informe medioambiental revela un incremento de sus emisiones de casi el 50% en los últimos cinco años. No hay que olvidar que esta compañía fijó en 2021 su objetivo de cero emisiones para el año 2030, algo que ahora definen como “extremadamente ambicioso” y difícil de alcanzar.

Para revertir el impacto energético de la IA, Google ha trazado un plan para ser ejecutado en cuatro frentes simultáneos. Bautizada como las “4M”, esta estrategia permitiría reducir las emisiones causadas por el aprendizaje automático entre 100 y 1.000 veces.

La primera M de Google se refiere al Modelo y consiste en aplicar modelos de IA más eficientes, que requieren entre 3 y 10 veces menos cómputos que los modelos tradicionales. Usando la técnica de “destilación de conocimiento”, modelos más pequeños se entrenan imitando a modelos más grandes.

La segunda M es la relativa a la Máquina. Empleando hardware especializado en IA, la eficiencia energética puede superar el 60%, como han demostrado con Trillium, su última generación de TPU (Unidad de Procesamiento Tensional).

La M de Mecanización es el cuarto frente de esta estrategia y opta por trabajar en la nube en lugar de la computación local. Además de tener sistemas de distribución de energía y refrigeración más modernos, los centros de datos de la nube albergan muchos más servidores que los locales y pueden requerir hasta la mitad de energía.

Por último, la M de Mapeo, atañe al empleo de energías renovables para alimentar la demanda de los centros de aprendizaje. Esta idea refuerza la ventaja de trabajar en la nube, puesto que la mayor parte de las empresas que prestan este servicio ya utilizan hasta con un 90% de energías limpias.

Aunque el uso de fuentes sostenibles es una pata importante de esta estrategia, Google hace especial hincapié en el ahorro de recursos, es decir, en reducir el consumo más que en buscar fuentes alternativas. Sin embargo, otros como Salt Altman, director ejecutivo de OpenAI, defienden el uso de la fusión nuclear para atajar el problema. Tanto Altman como otros expertos e investigadores dan por sentado que la demanda de electricidad de la IA irá en aumento a medida que ésta evolucione, por lo que es crucial buscar y perfeccionar sistemas de generación de energía limpia capaz de atender esa demanda.

© Imágenes: Shutterstock.

Mutua Madrileña no se hace responsable del producto objeto de la presente entrada ni de las consecuencias de cualquier acción realizada en base a la información proporcionada. Esta información, obtenida de fuentes públicas, no supone, en absoluto, una recomendación de compra ni garantiza la calidad, disponibilidad y/o accesibilidad de los productos indicados.