Oculto a la vista: las infraestructuras que apoyan la inteligencia artificial
La joya de la corona de la economía de los intangibles, la IA necesita infraestructuras electrónicas expansivas que tengan impactos y costes tangibles. Las estimaciones sugieren que "la huella de carbono de entrenar una sola IA es de hasta 284 toneladas de dióxido de carbono equivalente", cinco veces las emisiones de por vida de un automóvil promedio.
Si optamos por explotar el “petróleo del siglo XXI”, tendremos que construir grandes centros computacionales poderosos y granjas de servidores considerables. La inteligencia artificial requiere redes y infraestructuras en la nube para capturar, analizar, compartir y archivar grandes cantidades de datos.
Cuando se involucran técnicas de aprendizaje profundo, el entrenamiento es un paso clave que consiste en alimentar el algoritmo con conjuntos de datos grandes y en su mayoría no estructurados. El entrenamiento de una sola aplicación basada en IA puede dividirse en decenas de chips y puede requerir meses para completarse.
Aunque solo se necesita un toque de baja energía en un teléfono inteligente para usar una aplicación, su desarrollo requiere mucha energía y las fuentes de energía no renovables tienen un impacto ambiental mucho mayor.
Energía para entrenar
Afortunadamente, los científicos de datos están comenzando a calcular la energía necesaria para desarrollar herramientas de IA antes de que estén disponibles para su uso. Por ejemplo, un proceso involucrado en la automatización del diseño de una red neuronal a través de prueba y error, llamado Búsqueda de Arquitectura Neural (NAS), consume mucha energía. Sin NAS, entrenar la herramienta de IA Transformer lleva 84 horas, pero con NAS lleva más de 270.000 horas, por lo que "requiere 3000 veces la cantidad de energía".
Reducir la huella de carbono de la IA requiere un "esfuerzo concertado de la industria y el mundo académico para promover la investigación de algoritmos más eficientes desde el punto de vista informático" y el uso de hardware y estrategias de desarrollo de modelos más sostenibles.
Comentarios
Publicar un comentario