El impacto ambiental de la IA
El impacto ambiental de la IA
La inteligencia artificial es un arma de doble filo para nuestro planeta. Por un lado, es una tecnología muy prometedora, que ofrece nuevas y poderosas herramientas para resolver nuestras crisis ambientales más apremiantes. Por otro lado, la propia infraestructura que impulsa la IA está creando una carga ambiental colosal, ya que consume energía y recursos naturales a un ritmo asombroso y cada vez mayor. Entender esta dualidad (la «huella» negativa de la IA y su «huella» positiva) es uno de los desafíos más importantes de nuestro tiempo.
Parte 1: La huella: el coste medioambiental de la IA
El coste medioambiental más visible de la IA es su increíble y creciente necesidad de electricidad. Esta demanda proviene de las decenas de miles de potentes servidores alojados en vastos centros de datos, que se necesitan para entrenar y ejecutar modelos de IA. Dado que nuestra combinación energética mundial sigue dependiendo en gran medida de los combustibles fósiles, este consumo de electricidad genera directamente importantes emisiones de gases de efecto invernadero.
Una pérdida de energía sin precedentes
La magnitud de este uso de energía es casi difícil de comprender. La Agencia Internacional de Energía (AIE) proyecta que la demanda de electricidad específica para la IA se multiplicará por diez entre 2023 y 2026. Los centros de datos del mundo ya contribuyen entre el 2,5% y el 3,7% de las emisiones mundiales de gases de efecto invernadero, una proporción mayor que la de toda la industria de la aviación. Esta enorme demanda está ejerciendo presión sobre las redes eléctricas y, paradójicamente, obligando a las empresas de servicios públicos a retrasar la retirada de las centrales eléctricas de combustibles fósiles para garantizar un suministro de energía fiable e ininterrumpido para las operaciones de IA.
El coste oculto del agua
Más allá de la energía, la IA tiene una sed voraz de agua dulce. Esta agua es esencial para enfriar los centros de datos que generan enormes cantidades de calor residual. Se trata de un uso «consuntivo», ya que el agua se evapora y se pierde en la cuenca hidrográfica local. Se estima que el entrenamiento de un solo modelo como el GPT-3 ha consumido 700 000 litros de agua dulce, mientras que una simple conversación de 20 a 50 preguntas con ChatGPT puede consumir hasta 500 ml de agua. Esto supone una enorme presión para los suministros de agua locales, especialmente dado que muchos centros de datos están construidos en regiones con escasez de agua.
Del silicio al vertedero
El impacto ambiental no es solo operativo. Un costo «incorporado» significativo proviene del propio hardware. La fabricación de chips de IA de alto rendimiento es un proceso que consume mucha energía y recursos. Y lo que es más importante, el rápido ritmo de la innovación en materia de IA conduce a un ciclo acelerado de sustitución de hardware, lo que contribuye a una creciente crisis de residuos electrónicos peligrosos (residuos electrónicos). En 2022, menos de una cuarta parte de los 62 millones de toneladas de residuos electrónicos generados en todo el mundo se reciclaron adecuadamente.
Impacto comparativo de las actividades digitales
Una sola consulta a un modelo de IA generativa requiere muchos más recursos que una búsqueda web tradicional.
| Actividad | Emisiones de carbono estimadas (gCO2e por unidad) |
|---|---|
| Búsqueda estándar de Google | 0.2 |
| Consulta ChatGPT-4 (texto) | 4.32 |
| Generación de imágenes mediante IA (p. ej., Midjourney) | 1.9 (para la GPU Nvidia A100) |
| Transmisión de vídeo (1 hora, HD) | 34 |
Parte 2: La huella de la mano: la IA como herramienta para la sostenibilidad
Si bien su huella es abrumadora, la «huella» de la IA (su capacidad de generar un impacto ambiental positivo) es igualmente profunda. La capacidad única de la IA para analizar conjuntos de datos masivos y complejos y optimizar los sistemas se está aplicando para resolver algunos de nuestros mayores desafíos ambientales.
- Mejorar la ciencia del clima: la IA está revolucionando la modelización del clima, ya que permite realizar predicciones más precisas de fenómenos meteorológicos extremos, como huracanes e inundaciones, lo que ayuda a mejorar la preparación ante los desastres y a salvar vidas.
- Optimización de los sistemas globales: la IA está haciendo que los sistemas críticos sean más eficientes. Ayuda a crear redes de energía inteligentes que pueden integrar mejor las energías renovables y permite una «agricultura de precisión» que utiliza menos agua y fertilizantes, aplicándolos solo donde es necesario.
- Acelerar la innovación ecológica: en el laboratorio, la IA está acelerando drásticamente el descubrimiento de nuevos materiales esenciales para las tecnologías ecológicas, como los que se necesitan para fabricar baterías más eficientes o para capturar carbono directamente de la atmósfera.
- Impulsar la economía circular: los robots impulsados por la IA pueden clasificar los residuos para su reciclaje con una velocidad y precisión sobrehumanas, y la IA puede optimizar las cadenas de suministro para reducir la sobreproducción y los residuos.
- Protección de la biodiversidad: los científicos de la conservación utilizan la IA para procesar millones de imágenes de cámaras trampa en semanas en lugar de años, y las aplicaciones de ciencia ciudadana, como iNaturalist, utilizan la IA para identificar especies, lo que crea una enorme base de datos mundial para la investigación.
Concepto destacado: La paradoja de la eficiencia
Uno de los principales desafíos que plantea el uso de la IA para la sostenibilidad es un concepto de la economía conocido como la paradoja de Jevons, o el «efecto rebote». Esta teoría advierte que cuando la tecnología hace que el uso de un recurso sea más eficiente (y, por lo tanto, más económico), a menudo terminamos consumiendo más cantidad de ese recurso en general.
Por ejemplo, si la IA hace que los viajes en avión sean más económicos y eficientes en términos de consumo de combustible, más personas podrían decidir volar, lo que podría acabar con los ahorros por vuelo con un enorme aumento del total de vuelos. Esto significa que el simple hecho de hacer las cosas más eficientes con la IA no es un camino garantizado hacia la sostenibilidad. Estas mejoras de eficiencia deben ir acompañadas de políticas o modelos empresariales que gestionen el consumo general para garantizar que la «huella» de la IA supere realmente su «huella».
Comprobación rápida
¿Qué afirmación describe mejor la «dualidad» del impacto ambiental de la IA?
Resumen: El impacto ambiental de la IA
Lo que cubrimos:
- La IA tiene una importante «huella» negativa debido al inmenso consumo de energía y agua de los centros de datos y a los residuos electrónicos derivados de la rápida obsolescencia del hardware.
- Una consulta de IA consume mucha más energía que una búsqueda tradicional en Google.
- La IA también tiene una poderosa «huella» positiva, ya que ayuda a mejorar los modelos climáticos, optimizar las redes de energía, acelerar la innovación ecológica y proteger la biodiversidad.
- El «efecto rebote» es un desafío clave, ya que las mejoras de eficiencia derivadas de la IA pueden conducir a un mayor consumo general.
Por qué es importante:
- El impacto ambiental neto de la IA aún no está decidido. Todo depende de las decisiones que tomemos hoy (priorizar la eficiencia, invertir en infraestructuras ecológicas y exigir transparencia a las empresas tecnológicas) para garantizar que la IA se convierta en un motor de la sostenibilidad.
El siguiente paso:
- Exploraremos una de las cuestiones éticas de las que más se habla: ¿la IA me quitará el trabajo?