Imprimir PDFClara observaba el centro de datos a través del vidrio blindado de la sala de control. Aquella enorme infraestructura, con su zumbido constante y luces parpadeantes, representaba el corazón invisible de la revolución tecnológica que estaba transformando al mundo: la inteligencia artificial.
Cada vez que alguien pedía una recomendación de película, generaba una imagen, traducía un texto o hablaba con un asistente virtual, había servidores como aquellos trabajando sin descanso. Clara, ingeniera ambiental especializada en tecnología, sabía lo que la mayoría ignoraba: la inteligencia artificial no era intangible ni etérea. Tenía un peso, una huella, un costo.
Durante los últimos años, la IA se había convertido en una herramienta esencial en medicina, transporte, educación y comunicación. Su avance parecía imparable. Sin embargo, bajo ese progreso brillante se escondía una realidad preocupante: su impacto energético y medioambiental.
Clara recordaba un estudio reciente que había analizado el entrenamiento de un modelo de lenguaje avanzado. Solo ese proceso había emitido más de 300 toneladas de dióxido de carbono, el equivalente a las emisiones de cinco autos durante toda su vida útil. ¿Y cuántos modelos como ese se entrenaban cada año? Decenas. Incluso cientos.
El entrenamiento no era lo único que consumía energía. Una vez que el modelo estaba en funcionamiento, requería una infraestructura gigantesca para atender millones de consultas por segundo. Centros de datos, refrigeración, energía de respaldo… toda una red global funcionando día y noche. Según cálculos conservadores, la IA podría representar hasta el 10% del consumo energético mundial en dos décadas si no se regulaba.
Pero Clara no era una pesimista. Veía el potencial de la IA para ayudar al medio ambiente. Había proyectos que usaban algoritmos para optimizar redes eléctricas, predecir desastres naturales, reducir el uso de pesticidas en la agricultura o mejorar la eficiencia del transporte. La clave estaba en equilibrar los beneficios con los costos invisibles.
Unos días atrás, había participado en una reunión con directivos de una empresa tecnológica. Les propuso invertir en modelos más pequeños y eficientes, ajustar los horarios de entrenamiento para aprovechar energía renovable y trasladar servidores a zonas más frías para reducir el uso de aire acondicionado. Algunos la escucharon con escepticismo; otros, con genuina preocupación.
Esa mañana, mientras recorría el centro de datos, Clara se preguntaba si la humanidad aprendería a moderar su entusiasmo por el progreso con una conciencia ecológica real. La IA podía ser parte de la solución o parte del problema. Todo dependía de cómo se diseñara, cómo se entrenara y dónde se implementara.
De regreso a su oficina, encendió su computadora y observó los informes del mes. Había pequeñas mejoras: menos consumo energético, más uso de energía solar, algoritmos que requerían menos parámetros. Era un inicio modesto, pero prometedor.
El futuro de la inteligencia artificial no estaba escrito solo en líneas de código, pensó Clara, sino también en decisiones humanas. Decisiones sobre sostenibilidad, ética y responsabilidad. Tal vez, si se actuaba a tiempo, la IA no sería la causa de una nueva crisis ambiental, sino una aliada para evitarla.
Fuentes:
-
Strubell, E., Ganesh, A., & McCallum, A. (2019). Energy and Policy Considerations for Deep Learning in NLP. arXiv preprint arXiv:1906.02243.
https://arxiv.org/abs/1906.02243 -
Luccioni, A. S., Viguier, A., & Bengio, Y. (2022). Estimating the Carbon Footprint of Deep Learning Training.
https://arxiv.org/abs/2104.10350 -
International Energy Agency (IEA). (2023). Data Centres and Data Transmission Networks – Tracking Report.
https://www.iea.org/reports/data-centres-and-data-transmission-networks -
Nature Communications (2022). The hidden environmental cost of AI.
https://www.nature.com/articles/s41467-022-29585-2 -
MIT Technology Review. (2023). AI’s Carbon Footprint Is Growing. Here’s What We Can Do.
https://www.technologyreview.com/2023/04/12/ai-carbon-footprint-growing/