Hacer una imagen con IA consume tanta energía como cargar tu teléfono

La inteligencia artificial (IA) se ha convertido en una fuerza transformadora en múltiples sectores, impulsando innovaciones y facilitando tareas complejas. Sin embargo, este avance tecnológico viene acompañado de un costo oculto: su impacto ambiental.

Un reciente estudio de Hugging Face y Carnegie Mellon University arroja luz sobre este aspecto, revelando la huella de carbono asociada al uso de diferentes modelos de IA. Esta investigación es crucial para entender cómo nuestras decisiones tecnológicas afectan al planeta y nos desafía a buscar un equilibrio entre la eficiencia tecnológica y la sostenibilidad ambiental.

Estudio de Hugging Face y Carnegie Mellon

El estudio colaborativo entre Hugging Face y Carnegie Mellon University representa un esfuerzo pionero para cuantificar el consumo energético y las emisiones de CO2 de la IA. Los investigadores se centraron en diez tareas comunes de IA, abarcando desde la generación de textos hasta la clasificación de imágenes. Utilizando 88 modelos diferentes, examinaron el consumo energético asociado a cada tarea, aplicando una herramienta denominada Code Carbon. Este instrumento mide la energía consumida por los ordenadores al ejecutar estos modelos, ofreciendo una perspectiva detallada del impacto ambiental de la inteligencia artificial en uso cotidiano.

Comparativa energética

La investigación, divulgada en el MIT, reveló diferencias notables en el consumo energético entre distintas aplicaciones de IA. De forma sorprendente, la generación de imágenes se destacó como la tarea más exigente en términos energéticos. Generar mil imágenes con un modelo de IA avanzado, como el Stable Diffusion XL, equivale en términos de carbono a conducir aproximadamente 6,5  kilómetros en un automóvil de gasolina. En contraste, la generación de texto resultó ser mucho menos intensiva energéticamente. Crear texto mil veces consume solo un 16% de la energía requerida para cargar completamente un smartphone, subrayando una gran discrepancia en la demanda energética de distintas funciones de IA (hacer una imagen consume lo mismo que cargar el móvil).

Implicaciones medioambientales del uso de modelos de IA

El uso extensivo de modelos de inteligencia artificial en aplicaciones cotidianas tiene implicaciones medioambientales significativas. El estudio ilustra que las emisiones de carbono asociadas a la operación diaria de la IA superan, en muchos casos, las emisiones producidas durante su fase de entrenamiento. Por ejemplo, la huella de carbono de utilizar un modelo popular como ChatGPT puede superar la generada en su entrenamiento en tan solo unas semanas debido a su uso intensivo. Este hecho resalta la importancia de considerar no solo la eficiencia de estos modelos, sino también su impacto ambiental a largo plazo, especialmente en un contexto donde la IA se integra cada vez más en productos tecnológicos de uso masivo.

El dilema de la eficiencia

El estudio de Hugging Face y Carnegie Mellon también aborda un dilema crítico en el mundo de la IA: la elección entre modelos generativos y modelos especializados. Los modelos generativos, diseñados para realizar múltiples tareas como generación, clasificación y resumen de textos, resultan ser mucho más intensivos en energía que los modelos especializados, que se enfocan en una tarea específica. Por ejemplo, utilizar un modelo generativo para clasificar reseñas de películas consume aproximadamente 30 veces más energía que un modelo específicamente afinado para esa tarea. Esta diferencia pone de relieve la necesidad de optar por modelos más especializados y eficientes en términos de consumo energético, especialmente en aplicaciones donde la versatilidad de un modelo generativo no es una necesidad.

Conciencia y responsabilidad

El informe pone de manifiesto una responsabilidad dual en la reducción de la huella de carbono asociada a la IA. Por un lado, las empresas desarrolladoras de modelos de IA deben ser conscientes del impacto ambiental de sus productos y buscar formas de minimizar su consumo energético. Por otro lado, los consumidores también juegan un papel crucial. Al estar informados sobre el impacto ambiental de las tecnologías que utilizan, pueden tomar decisiones más responsables y optar por productos que sean más eficientes y sostenibles. Esta concienciación colectiva es esencial para dirigir el desarrollo y uso de la IA hacia un camino más respetuoso con el medio ambiente.

Mirando hacia el futuro, el reto consiste en equilibrar la innovación tecnológica con la sostenibilidad medioambiental. Los avances en la eficiencia energética de los modelos de IA y el desarrollo de tecnologías más verdes son pasos cruciales en esta dirección.