El uso cada vez más extendido de la Inteligencia Artificial (IA) para realizar diversas tareas cotidianas llevó a un aumento significativo en el consumo de energía, especialmente en la generación de imágenes. Un reciente estudio realizado por investigadores de la Carnegie Mellon University y la empresa Hugging Face arrojó las implicaciones ambientales de estas tecnologías emergentes.
Cómo afecta la inteligencia artificial al medio ambiente
Consumo elevado en generación de imágenes
En la actualidad, cada vez más usuarios optan por utilizar opciones como ChatGPT de OpenAI o Bard desarrollado por Google. También se benefician de herramientas más especializadas, como los modelos DALL-E o Imagine, que permiten la creación de imágenes a partir de descripciones de texto.
El uso de inteligencia artificial generativa es una tarea sencilla para los usuarios, quienes solo necesitan proporcionar descripciones de lo que desean obtener del chatbot. Sin embargo, es importante señalar que esta tecnología conlleva un alto consumo de energía, lo que resulta en serias consecuencias para el medio ambiente.
chat-gpt.jpg
Destaca especialmente el elevado consumo de energía necesario para generar imágenes con inteligencia artificial, superando a otras tareas. Se estima que se utiliza la energía equivalente a una carga completa de la batería de un smartphone por cada imagen generada.
El consumo de energía depende de la tarea que haga la IA
Según el estudio, a nivel global, el consumo de electricidad de los centros de datos ha experimentado un crecimiento anual del 20 al 40 por ciento en los últimos años, llegando a representar hasta el 1.3 por ciento de la demanda mundial de electricidad. Además, este consumo eléctrico ha contribuido al uno por ciento de las emisiones de gases de efecto invernadero relacionadas con la energía en 2022.
En particular, al entrenar modelos de aprendizaje automático, se ha observado que el uso de energía por modelo en esta fase es menor que en otras etapas del ciclo de vida de dichos modelos. Por ejemplo, se señala que la inferencia tiene un impacto en el medio ambiente “igual o mayor” que el entrenamiento, debido a los recursos informáticos necesarios para “implementar modelos a gran escala“.
Dall-E.png
Los investigadores compararon diez tareas de modelos de aprendizaje automático de cinco modalidades diferentes (Texto a categoría, Texto a texto, Imagen a categoría, Imagen a texto y Texto a imagen) para determinar qué tareas realizadas por la IA consumen más energía.
Se evaluaron aspectos como la clasificación de textos, tokens y respuestas extractivas a preguntas. También se midió la energía utilizada para la generación y resumen de textos, así como la clasificación de imágenes, detección de objetos, subtitulado de imágenes y generación de imágenes.
Los resultados indican que las tareas de clasificación de imágenes y texto se encuentran en el “extremo inferior del espectro” en términos de consumo de energía. Por otro lado, las tareas generativas, como la generación y resumen de textos, consumen “más de diez veces más energía para el mismo número de inferencias“.
Además, las tareas multimodales, como el subtitulado de imágenes y la generación de imágenes a partir de texto, se sitúan en “el extremo más alto del espectro“, llegando a 2.9 KW/hora por cada 1,000 inferencias.
Fuente Ambito
