IA y energía: ¿La IA reducirá las emisiones o aumentará la demanda?

Cuánta energía consume la IA? Se lo preguntamos a ChatGPT y esto es lo que dijo:

"Los sistemas de IA varían mucho en el consumo de energía en función de su complejidad y uso, pero por lo general requieren cantidades significativas de electricidad para procesar y analizar los datos de manera eficiente."

Esa respuesta requirió unas diez veces la electricidad de una búsqueda en Google, según algunas estimaciones. Y con 100 millones de usuarios de ChatGPT cada semana, la demanda extra de energía aumenta. Y eso son solo los usuarios de una plataforma.

En todo el sector, el aumento de la demanda de energía, principalmente para la construcción y el funcionamiento de centros de datos para entrenar y operar modelos de IA, está contribuyendo a las emisiones globales de gases de efecto invernadero (GEI).

Microsoft, que ha invertido en el fabricante de ChatGPT, OpenAI, y ha situado las herramientas de IA generativa en el centro de su oferta de productos, anunció recientemente que sus emisiones de CO2 habían aumentado casi un 30% desde 2020 debido a la expansión de los centros de datos. Las emisiones de GEI de Google en 2023 fueron casi un 50% superiores a las de 2019, en gran parte debido a la demanda de energía vinculada a los centros de datos.

Así que, aunque las herramientas de IA prometen ayudar a la transición energética, también requieren una potencia de cálculo significativa.

Actualmente, el uso de energía por la IA solo representa una fracción del consumo del sector tecnológico, que se estima en torno al 2-3% del total de emisiones mundiales. Es probable que esto cambie a medida que más empresas, gobiernos y organizaciones utilicen la IA para mejorar la eficiencia y la productividad. Como muestra este gráfico, los centros de datos son ya importantes motores del crecimiento de la demanda de electricidad en muchas regiones.

La IA requiere una potencia de cálculo considerable. Se estima que los sistemas de IA ya consumen 33 veces más energía para completar una tarea que un software específico para esa tarea.

A medida que los sistemas de IA pasen a utilizarse más y se desarrollen, el entrenamiento y la operación de los modelos provocarán un aumento exponencial del número de centros de datos necesarios en todo el mundo, así como su consumo de energía. Esto ejercerá una presión cada vez mayor sobre redes eléctricas ya sobrecargadas.

El entrenamiento de la IA generativa, en particular, es extremadamente intensivo en energía y consume mucha más electricidad que las actividades tradicionales de los centros de datos. Como dijo una científica que investiga el tema, "Cuando despliegas modelos de IA, tienes que tenerlos siempre encendidos. ChatGPT nunca está apagado".

El aumento de la sofisticación de un gran modelo lingüístico, como el que sirve de base a ChatGPT, ilustra esta creciente demanda de energía.

Se calcula que el entrenamiento de un modelo como el Generative Pre-trained Transformer 3 (o GPT-3) consume casi 1300 megavatios hora (MWh) de electricidad. Esto equivale aproximadamente al consumo anual de energía de 130 hogares en Estados Unidos.

Por su parte, se calcula que el entrenamiento del GPT-4, más avanzado, ha consumido 50 veces más electricidad.

En general, la potencia de cálculo necesaria para mantener el crecimiento de la IA se duplica aproximadamente cada 100 días.

Esto plantea a la sociedad algunas cuestiones espinosas. ¿Los beneficios económicos y sociales de la IA compensan el coste ambiental de su uso? Y, más concretamente, ¿los beneficios de la IA para la transición energética compensan su mayor consumo de energía?

Encontrar el punto óptimo entre retos y oportunidades será clave para obtener las respuestas que necesitamos.

Los informes predicen que la IA puede ayudar a mitigar entre el 5% y el 10% de las emisiones mundiales de gases de efecto invernadero de aquí a 2030. Entonces, ¿qué hay que hacer para alcanzar el equilibrio adecuado?

Los organismos reguladores, incluido el Parlamento Europeo, están empezando a establecer requisitos para que se diseñen sistemas con capacidad de registrar su consumo de energía. Los avances tecnológicos podrían ayudar a reducir la demanda de energía de la IA a través de hardware y potencia de procesamiento más avanzados, que podrían mejorar la eficiencia de la carga de trabajo de la IA.

Los investigadores están diseñando hardware especializado, como nuevos aceleradores; nuevas tecnologías, como chips 3D, que ofrecen un rendimiento muy mejorado; y nuevas técnicas de refrigeración de chips. El fabricante de chips Nvidia afirma que su nuevo "superchip" puede multiplicar por 30 el rendimiento de los servicios de IA generativa y consumir 25 veces menos energía.

Los centros de datos también son cada vez más eficientes. Además, se están estudiando nuevas tecnologías de refrigeración y sitios que pueden realizar más cálculos cuando la energía es más barata, está más disponible y es más sostenible, con el fin de impulsar aún más esta eficiencia.

Junto a esto, será importante reducir el uso general de datos, lo que incluye abordar el problema de los datos oscuros, que son datos generados y almacenados pero que nunca se vuelven a utilizar. También será útil ser más selectivo sobre cómo y dónde se utiliza la IA, por ejemplo utilizando modelos lingüísticos pequeños, que consumen menos recursos, para tareas específicas. Será fundamental encontrar un mejor equilibrio entre rendimiento, costes y huella de carbono de las cargas de trabajo de IA.

La IA no es el único factor que ejerce presión sobre la red eléctrica. El crecimiento demográfico y la tendencia hacia la electrificación están creando una mayor demanda de energía que podría llevar a una descarbonización más lenta de la red.

Sin embargo, lograr una red limpia, moderna y descarbonizada será vital para avanzar hacia una economía de emisiones netas cero.

Los operadores de centros de datos están explorando opciones energéticas alternativas, como las tecnologías nucleares, para alimentar los sitios, o tecnologías de almacenamiento, como el hidrógeno. También están invirtiendo en tecnologías emergentes, como la extracción de carbono, para extraer el CO2 del aire y almacenarlo de forma segura.

La IA también puede contribuir a superar las barreras que impiden integrar las enormes cantidades de energía renovable necesarias en las redes existentes.

La variabilidad de la producción de energías renovables a menudo lleva a una sobreproducción en las horas punta y a una subproducción en las horas valle, lo que provoca un desperdicio de energía y causa inestabilidad en la red. Analizando grandes conjuntos de datos, desde patrones meteorológicos hasta tendencias de consumo de energía, la IA puede predecir la producción de energía con notable precisión.

Esto permitiría programar el trabajo y desplazar la carga para garantizar que los centros de datos utilicen energía cuando electricidad procedente de fuentes de energía renovables esté disponible, asegurando una estabilidad óptima de la red, eficiencia y energía limpia 24 horas al día, 7 días a la semana.

La IA también está ayudando a transformar la eficiencia energética de otras industrias intensivas en carbono, desde la modelización de edificios para predecir el uso de energía y optimizar el rendimiento de la calefacción y el aire acondicionado, hasta la mejora de la eficiencia de la manufactura mediante el mantenimiento predictivo. En agricultura, los sensores y las imágenes por satélite ayudan a predecir el rendimiento de las cosechas y a gestionar los recursos.

Equilibrar el uso de energía y las emisiones de la IA con su beneficio social implica muchos retos complejos e interrelacionados, y requiere un enfoque de múltiples partes interesadas.

La Alianza para la Gobernanza de la Inteligencia Artificial, del Foro Económico Mundial, aplica un enfoque intersectorial y sectorial para entender cómo puede se puede utilizar la IA para transformar sectores e impulsar la innovación, la sostenibilidad y el crecimiento.

Como parte de esta iniciativa, el Centro de Energía y Materiales y el Centro para la Cuarta Revolución Industrial del Foro están poniendo en marcha una línea de trabajo dedicada a explorar el consumo energético de los sistemas de IA y cómo puede aprovecharse la IA para habilitar la transición energética.