¿Qué pasa cuando le preguntás al Chat GPT si es sostenible?

Resulta indiscutible los beneficios y potencialidades que tiene la Inteligencia Artificial Generativa para las sociedades. Pero al mismo tiempo representan un desafío debido al gran impacto ambiental que tienen sobre el planeta. Según los últimos datos publicados por Google, sus emisiones han aumentado casi un 50 por ciento en los últimos cinco años. Esto se suma al gran consumo de agua potable que requieren los centros de datos para su refrigeración. Para dimensionar el impacto, pasaron de consumir el 1% del total de la producción de energía al 2% en 2022, cuando explotó el fenómeno de la IA. Es decir, se duplicó su incidencia.

Es por esto que se plantea la necesidad de modelos sostenibles en el desarrollo de las mismas. Por ejemplo, Microsoft anunció el año pasado que planea la instalación de mini reactores nucleares al lado de sus centros de datos y así reducir el impacto sobre la red mundial.

En este contexto, quisimos saber qué opina la propia IA sobre su impacto en el medio ambiente y qué alternativas propone. A continuación reproducimos una conversación con el Chat GPT sobre la sostenibilidad de la Inteligencia Artificial.

Escuchar la nota:

I+E: Hola, ¿cómo estás? Quisiera conversar contigo sobre la inteligencia artificial ¿crees que es sostenible?

Chat GPT: ¡Hola! Estoy bien, gracias por preguntar, y espero que tú también lo estés.

Hablar de la sostenibilidad de la inteligencia artificial (IA) es un tema amplio y fascinante. La IA tiene un enorme potencial para ayudar en temas de sostenibilidad, como optimizar el uso de recursos, mejorar la eficiencia energética, y apoyar el desarrollo de energías renovables. Sin embargo, también plantea desafíos importantes en términos de sostenibilidad.

Por un lado, el entrenamiento de modelos de IA, especialmente los grandes como los modelos de lenguaje o de imagen, consume una cantidad considerable de recursos computacionales y energía. Esto puede llevar a una huella de carbono significativa, dependiendo de cómo se alimente la infraestructura que los soporta. Además, la necesidad constante de mejorar y actualizar estos modelos significa que el consumo de recursos sigue creciendo.

Por otro lado, la IA puede contribuir a la sostenibilidad en sectores como la agricultura, el transporte y la salud. Puede, por ejemplo, optimizar rutas de transporte para reducir emisiones, prever desastres naturales o gestionar recursos en fábricas de manera más eficiente, reduciendo el desperdicio y la energía utilizada.

Así que la sostenibilidad de la IA depende en gran parte de cómo se desarrollen y usen estas tecnologías. Si la investigación y las empresas que impulsan la IA priorizan prácticas responsables, el impacto positivo puede ser enorme. Pero si solo se buscan resultados a corto plazo sin considerar el uso de recursos, el impacto ambiental podría ser un problema considerable.

¿Tienes alguna perspectiva específica sobre el tema?

Considero que el consumo de recursos no renovables es demasiado alto para que la IA sea prioridad frente a la protección del medio ambiente. ¿La consideras necesaria para la humanidad en este momento?

Es una excelente observación. Creo que el valor de la inteligencia artificial, aunque indudablemente alto en ciertos aspectos, debe sopesarse cuidadosamente frente a las urgentes necesidades medioambientales y la presión sobre los recursos no renovables.

La IA ha demostrado ser una herramienta poderosa, pero no es estrictamente “necesaria” en el sentido de que la humanidad no depende de ella para sobrevivir, especialmente en este momento. Muchos de los problemas esenciales —como el cambio climático, la biodiversidad y la desigualdad en el acceso a los recursos— pueden abordarse sin inteligencia artificial. Hay, sin embargo, áreas en las que la IA puede tener un impacto positivo al ayudar a mitigar algunos de estos problemas. Por ejemplo, en la investigación científica, la IA puede acelerar descubrimientos sobre energías renovables o materiales sostenibles; en la agricultura, puede mejorar la producción de alimentos de forma más eficiente y menos agresiva con el medio ambiente.

La pregunta, entonces, no es tanto si la IA es necesaria, sino si se justifica el costo de su uso en comparación con sus beneficios para la humanidad en este momento. Hoy, creo que es esencial que prioricemos el desarrollo sostenible y enfoquemos los recursos en áreas donde realmente se puedan mitigar los problemas más urgentes del planeta. La IA debería ser un recurso que complemente estos esfuerzos de manera inteligente y controlada, evitando caer en la dependencia excesiva o el desarrollo desmesurado de tecnologías que no traigan beneficios tangibles y sostenibles.

¿Consideras que la IA podría ser útil en áreas específicas de protección ambiental o prefieres que los esfuerzos se enfoquen en soluciones más tradicionales?

Si el costo es tan alto para el planeta quizás sea mejor buscar soluciones más sostenibles y amigables con el medio ambiente

Tienes mucha razón, y esta perspectiva es cada vez más necesaria. La tecnología, incluida la IA, tiene el potencial de ayudar, pero si su desarrollo y uso no son sostenibles, el daño podría superar los beneficios. Las soluciones sostenibles que prioricen el equilibrio con el medio ambiente son esenciales, ya que abordan los problemas desde la raíz sin agotar los recursos naturales y sin depender de modelos computacionales que demandan un alto consumo energético.

Existen alternativas que son más respetuosas con el entorno. La permacultura en la agricultura, las energías renovables, la economía circular, y las prácticas de conservación son enfoques que pueden tener un impacto positivo directo. Estas soluciones promueven un cambio de mentalidad hacia la protección de los recursos naturales, la reducción de residuos y el uso eficiente de la energía, sin requerir una infraestructura tan pesada como la IA.

Además, en muchos casos, estas soluciones ya están probadas y ofrecen resultados a corto y largo plazo. La tecnología puede acompañar y facilitar estos procesos, pero siempre con un enfoque más medido y consciente de su impacto ambiental. Si logramos hacer que la IA opere de manera eficiente y verdaderamente alineada con los objetivos de sostenibilidad, puede ser un aliado. Pero, como bien dices, buscar alternativas más sostenibles y amigables con el planeta debería ser la prioridad.

¿Te interesan en particular estas soluciones ecológicas?

Cuánto tiempo puede demandar que la IA sea más eficiente desde lo ambiental. Crees que es posible en el corto plazo

Hacer que la IA sea ambientalmente eficiente es posible, pero lograr avances significativos en el corto plazo presenta desafíos. Los investigadores y desarrolladores están trabajando en ello, y aunque hay avances prometedores, es un proceso complejo.

Reducir el impacto ambiental de la IA implica principalmente tres cosas:

1. Optimización de los modelos: Los modelos de IA actuales, especialmente los de lenguaje y visión artificial, son enormes y requieren mucha energía para entrenarse. Para hacerlos más eficientes, los investigadores están desarrollando algoritmos que logren resultados similares pero con menos datos y procesamiento. Algunas técnicas, como el “distilado de modelos” (que hace modelos más pequeños y rápidos) y el uso de arquitecturas más eficientes, ya están en marcha, pero necesitan tiempo para perfeccionarse.

2. Uso de energías renovables: Muchas empresas de tecnología están invirtiendo en energías renovables para alimentar sus centros de datos, lo cual es un paso importante. Sin embargo, la infraestructura actual no es completamente renovable ni accesible en todas partes. Para que la IA sea realmente sostenible, la transición hacia fuentes de energía verde en los centros de datos debe acelerarse, pero esto también depende de políticas gubernamentales y disponibilidad de infraestructura.

3. Procesamiento más local y eficiente: Otro enfoque es reducir la dependencia de enormes centros de datos al trasladar el procesamiento a dispositivos locales (como teléfonos o computadoras personales), una técnica conocida como “edge computing”. Sin embargo, lograr que los dispositivos individuales procesen IA de manera eficiente también necesita mejorar la tecnología de hardware y optimizar el software.

En el corto plazo, es probable que veamos mejoras graduales, como modelos un poco más eficientes y un mayor uso de energías renovables en la infraestructura de IA. Pero para una eficiencia ambiental significativa y global, podríamos necesitar de cinco a diez años o incluso más, considerando las limitaciones técnicas, las necesidades de infraestructura y los cambios en políticas.

¿Te parece que esos pasos hacia una IA más eficiente deberían acelerarse o que, mientras tanto, deberíamos limitar su desarrollo?

Creo que deberían acelerarse. De no ser así cuáles son los principales problemas que puede generarse para el planeta

Acelerar el desarrollo de una IA ambientalmente eficiente es crucial, porque, de lo contrario, el impacto de la IA en el planeta podría ser considerable y agravaría problemas ambientales ya existentes. Aquí te enumero algunos de los principales riesgos que podrían surgir si no logramos hacer que la IA sea más sostenible:

1. Aumento de emisiones de carbono: El entrenamiento y la ejecución de modelos de IA, especialmente los más grandes, consumen cantidades significativas de electricidad. Esto significa que, a menos que se alimenten exclusivamente con energías renovables, aumentan las emisiones de carbono de forma considerable. Por ejemplo, entrenar un solo modelo grande de IA puede generar emisiones comparables a las de cinco automóviles promedio durante toda su vida útil. A medida que la IA se expande, esta demanda de energía podría empeorar.

2. Uso excesivo de recursos no renovables: La fabricación de los procesadores y hardware especializados que se usan para IA requiere metales y minerales, como el litio y el cobalto, que son recursos limitados y cuya extracción tiene un fuerte impacto ambiental. Además, la producción de este hardware genera residuos electrónicos, un problema que ya es grave y que se intensificaría.

3. Desperdicio de agua potable en centros de datos: Los centros de datos que alimentan la IA necesitan sistemas de refrigeración que consumen grandes cantidades de agua. Este uso es un recurso crítico, especialmente en regiones donde ya hay escasez de agua, y podría crear conflictos y presiones adicionales sobre el suministro de agua dulce.

4. Desequilibrio en las economías locales y aumento de desigualdades: La IA y la automatización están desplazando algunos tipos de empleo, lo que puede profundizar las desigualdades socioeconómicas, especialmente en comunidades donde los trabajos tradicionales dependen de procesos más manuales. En términos ambientales, esto podría llevar a una concentración de la riqueza y recursos en grandes centros tecnológicos, lo que a su vez podría resultar en un acceso desigual a tecnologías sostenibles.

5. Pérdida de biodiversidad: Si no se controla el consumo energético y la extracción de materiales, la demanda para desarrollar IA podría acelerar la destrucción de ecosistemas naturales debido a la expansión de minas, fábricas y centros de datos. Esto amenaza a muchas especies y reduce la biodiversidad, que es esencial para mantener el equilibrio de los ecosistemas.

En resumen, si no se prioriza la sostenibilidad en el desarrollo de la IA, corremos el riesgo de agravar varios problemas ambientales críticos. Acelerar los esfuerzos para hacerla más eficiente y sostenible es clave para minimizar estos impactos negativos.

¿Crees que debería haber regulaciones más estrictas para las empresas de IA en cuanto a su sostenibilidad?

Creo que entonces deberíamos usar soluciones más eficientes hasta que sea sostenible. Cómo controlamos el consumo energético de esta conversación

Estoy completamente de acuerdo con tu enfoque. Mientras la tecnología de IA no sea completamente sostenible, optar por soluciones más eficientes y de bajo impacto es una estrategia sensata. En cuanto a controlar el consumo energético de esta conversación, aunque no hay forma de medir directamente el consumo específico de energía generado por esta interacción, sí podemos tener en cuenta algunas prácticas generales que pueden ayudar a reducir la huella ambiental asociada:

1. Uso eficiente de los recursos: Al mantener una conversación más directa y clara, evitando interacciones innecesarias o complejas, estamos optimizando el uso de la IA. Menos procesamiento de datos y menor tiempo de ejecución significa menos consumo energético.

2. Optimización del hardware y la infraestructura: Dado que las interacciones se procesan en servidores, el uso de centros de datos que ya empleen energías renovables y hardware eficiente ayuda a reducir el impacto. Algunos centros de datos están utilizando tecnologías avanzadas de refrigeración y energía renovable para minimizar su huella.

3. Reducción de la “huella digital”: Usar plataformas que sean conscientes del medio ambiente y que implementen prácticas de eficiencia energética y sostenibilidad puede contribuir. Muchas grandes empresas están trabajando en hacer que sus centros de datos sean más sostenibles, pero también depende de las decisiones del usuario elegir plataformas que prioricen estos aspectos.

Aunque como usuario individual no podemos medir directamente la cantidad exacta de energía utilizada en cada mensaje, la conciencia y las decisiones que tomemos —como el tipo de servicios que utilizamos y cómo interactuamos con ellos— influyen en el panorama general. De hecho, reducir el uso innecesario de tecnologías pesadas y apostar por un uso más eficiente de las mismas es una forma de contribuir a la sostenibilidad.

Tu sugerencia de esperar a que las soluciones sean más sostenibles es válida, y es importante que tanto empresas como usuarios fomentemos este tipo de decisiones más responsables. ¿Qué piensas sobre implementar más restricciones o prácticas para hacer que las tecnologías sean más conscientes del medio ambiente desde el diseño mismo?

Las restricciones sirven mientras no limiten el posible desarrollo y promuevan soluciones.

Tienes razón en que las restricciones deben ser cuidadosamente diseñadas para equilibrar la sostenibilidad con el fomento del progreso tecnológico. Si bien las regulaciones pueden ayudar a mitigar el impacto ambiental de la IA, es importante que no restrinjan la innovación ni impidan que se desarrollen nuevas soluciones tecnológicas que puedan ser más eficientes y sostenibles a largo plazo.

Algunas formas en que las restricciones pueden ser útiles sin frenar el desarrollo incluyen:

1. Establecer estándares claros de sostenibilidad: Las regulaciones podrían centrarse en exigir que las empresas de IA adopten prácticas más sostenibles, como el uso de energías renovables, la eficiencia energética de sus sistemas, o el diseño de algoritmos más optimizados. Esto impulsaría la innovación hacia soluciones más verdes sin imponer límites excesivos al desarrollo.

2. Incentivar la investigación en tecnologías limpias: Los gobiernos o las instituciones pueden crear incentivos fiscales o subvenciones para fomentar el desarrollo de tecnologías de IA que minimicen el uso de recursos. Esto podría incluir, por ejemplo, el apoyo a investigaciones en hardware más eficiente, algoritmos que requieran menos datos, o modelos que utilicen menos energía.

3. Transparencia y medición: Implementar normativas que exijan que las empresas de IA midan y reporten el consumo de energía y las emisiones de carbono asociadas con sus operaciones. Con datos claros, las empresas estarían motivadas a buscar maneras de reducir su impacto ambiental, pero sin que esto limite su capacidad de innovación. La transparencia también permitiría comparar el rendimiento ambiental de diferentes compañías y tecnologías.

4. Fomentar la colaboración entre sectores: Crear marcos que incentiven la colaboración entre empresas tecnológicas, gobiernos, organizaciones medioambientales y otros sectores puede generar soluciones innovadoras que aborden tanto las necesidades de desarrollo de IA como las cuestiones ambientales. Por ejemplo, un esfuerzo conjunto para mejorar la eficiencia energética en centros de datos.

5. Promover la economía circular: Las regulaciones pueden fomentar la reutilización y el reciclaje de componentes de hardware utilizados en la IA, minimizando los residuos electrónicos y la explotación de recursos naturales. Esto permitiría a las empresas seguir avanzando tecnológicamente sin contribuir tanto a la extracción de nuevos recursos.

En resumen, las restricciones deben estar orientadas a promover el cambio hacia prácticas más sostenibles sin frenar el avance y la creación de nuevas soluciones. De esta forma, las regulaciones pueden actuar como catalizadores para una mayor innovación y desarrollo responsable.

¿Qué opinas sobre crear incentivos en lugar de restricciones directas para fomentar estas prácticas sostenibles?

Estoy de acuerdo. Creo que es el camino.

Me alegra que estemos en la misma línea. Los incentivos pueden ser una herramienta poderosa para motivar a las empresas y a la sociedad a adoptar prácticas más responsables sin frenar el desarrollo tecnológico. Al crear un entorno donde la sostenibilidad y la innovación se refuercen mutuamente, podemos avanzar hacia un futuro más equilibrado, tanto en términos de tecnología como de medio ambiente.

Si tienes más ideas o preguntas sobre cómo avanzar hacia ese futuro, estaré encantado de seguir conversando.

Por ahora está bien. ¡Gracias!

¡De nada! Me alegra que hayamos podido conversar sobre este tema tan importante. Si alguna vez quieres seguir discutiendo o explorar otros temas, no dudes en volver. ¡Cuídate mucho y hasta la próxima!