Una investigación reciente reveló que para el 2027 los servidores de IA consumirán anualmente la misma energía que utilizan actualmente países como Argentina, Países Bajos o Suecia en ese mismo periodo.
A raíz del lanzamiento de ChatGPT en noviembre del 2022, la IA generativa se convirtió en la sensación y hoy, menos de un año después, tanto empresas como personas en todo el mundo están aprovechando esta tecnología como nunca antes.
Desafortunadamente, los modelos de inteligencia artificial consumen una cantidad astronómica de energía, lo que ha encendido las alarmas entre los ambientalistas, ya que un nuevo estudio predice que, de acuerdo al ritmo de crecimiento y adopción que lleva esta tecnología, en menos de 5 años los centros de datos que impulsan el funcionamiento de la inteligencia artificial, consumirán la misma cantidad de energía que un país entero.
Lo anterior se debe a que los modelos de IA son impulsados por enormes bases de datos, las cuales son almacenadas en salas de servidores que deben mantenerse frescas para su buen funcionamiento, generalmente entre 10 y 25 grados centígrados. Lograr esa temperatura requiere que los servidores estén climatizados 24/7, lo que consume una enorme cantidad tanto de electricidad como de agua y por consecuencia provoca un serio impacto medioambiental.
¿Cuánto afectan los modelos de IA al medio ambiente?
En la investigación publicada en la revista Joule, el científico de datos de la Universidad Libre de Ámsterdam y fundador de Digiconomist, Alex de Vries, estima que para el 2027 los niveles de consumo de los servidores de inteligencia artificial alcanzarán entre los 85 y 134 teravatios-hora (Twh) por año.
Lo anterior significa la misma cantidad de energía que utilizan anualmente países como Argentina, Países Bajos o Suecia en la actualidad y por si fuera poco, dicha cifra representa aproximadamente el 1% del uso actual de electricidad en el mundo.
En su artículo de divulgación, De Vries admite que es casi imposible llegar a una cifra exacta de la cantidad de energía que las empresas de inteligencia artificial como OpenAI o Google consumen, porque mantienen esta información en privado, de hecho, ni siquiera se sabe públicamente cuántos chips especializados de IA necesitan para ejecutar su software.
Debido a lo anterior, el científico de datos originario de los Países Bajos optó por estimar el consumo de energía de la IA por medio de las ventas proyectadas de los servidores Nvidia A100, ya que actualmente es la infraestructura tecnológica que utilizan alrededor del 95% de las ofertas del sector disponibles en el mercado.
De Vries se basó en la más reciente proyección de ventas del gigante de los chips, la cual considera que la compañía exportará 1.5 millones de estos servidores para el 2027. Posteriormente, multiplicó esa cifra por el uso de electricidad estimado de sus unidades de hardware, es decir, 6.5 kilovatios por DGX A100 y 10.2 kilovatios por cada servidor DGX H100 para obtener sus estimaciones.
NVIDIA responde
Tras verse implicado en la investigación, Nvidia no tardo en pronunciarse con respecto al artículo por medio de un comunicado en el que afirma que los chips especializados de IA que utiliza la compañía son más óptimos y avanzados que el resto de las opciones en el mercado, ya que otros componentes requerirían de un mayor uso de chips convencionales para impulsar a los modelos de IA.
“La computación acelerada con tecnología NVIDIA es el modelo informático con mayor eficiencia energética para la inteligencia artificial y otras cargas de trabajo del centro de datos”, declaró la compañía, sin embargo, el líder mundial de infraestructura de IA no negó explícitamente que las estimaciones De Vries fueran correctas ni entró en detalles sobre la cantidad de energía que consumen sus servidores.
La nueva investigación del científico europeo ha despertado preocupaciones en algunos miembros de la industria, quienes consideran que el alto impacto medioambiental de la IA debería obligar a las empresas a reconsiderar las enormes inversiones que se están realizando en el sector, así mismo incitar a los proveedores de esta tecnología a buscar alternativas sustentables para impulsar el funcionamiento de los modelos inteligentes.
