Algoritmos verdes: La apuesta por una inteligencia artificial más sostenible

La Inteligencia Artificial (IA) está generando una transformación sin precedentes en diversos sectores, pero su funcionamiento también ha implicado una preocupante huella de carbono y es aquí donde los algoritmos verdes emergen como una opción para el desarrollo de una IA sostenible y eficiente.

Recordemos que un algoritmo es como una receta, una serie de pasos a seguir para que un programa haga lo que queremos que haga.

En el caso de los algoritmos verdes, se hace referencia a un conjunto de instrucciones o reglas definidas que consuman menos recursos y consigan el mismo resultado que obtendría uno más complejo.

Algo clave si se tiene en cuenta que el ciclo de vida de la inteligencia artificial, desde la fabricación de su hardware hasta su despliegue y eliminación, incide considerablemente en el consumo energético y la generación de residuos electrónicos, lo que a su vez afecta el medio ambiente.

De hecho, los grandes centros de datos, esenciales en el procesamiento de la IA, son notables contribuyentes a este problema debido a su alta demanda de energía, a menudo no renovable. A lo que se suma enromes cantidades de agua para controlar su temperatura, especialmente durante las temporadas de verano.

Para los expertos, la mayoría de personas no son conscientes del impacto ambiental de programas de inteligencia artificial como ChatGPT y según estudios, una sola sesión de entrenamiento de este modelo consume el equivalente de 126 hogares durante un año.

Por qué la inteligencia artificial contamina

Entre los factores que incrementan la emisión de carbono por el uso de la IA, se encuentra la formación intensiva de energía necesaria para el entrenamiento de modelos complejos, como las redes neuronales profundas.

Además, la inferencia y tratamiento de datos generan emisiones significativas, especialmente cuando no se implementan medidas de eficiencia energética en el hardware.

Las operaciones de centros de datos también son fuentes importantes de emisiones al requerir un consumo energético elevado para su mantenimiento y refrigeración.

Por último, la inevitable producción de residuos electrónicos derivados de dispositivos obsoletos también exacerba el impacto ambiental.

Esto, en un momento en el que las tecnologías de la información suponen entre un 5 % y un 9 % del consumo eléctrico mundial y podrían llegar al 20 % en 2030, según un informe del Parlamento Europeo.

Una IA con algoritmos más verdes

Avances en los algoritmos que permitan una convergencia más rápida durante el entrenamiento o requieran menos recursos computacionales podrían suponer un ahorro sustancial de energía, y esto es clave para también reducir el consumo de agua de los centros de datos.

En este punto, los algoritmos verdes se dividen en dos corrientes principales: los enfocados en la eficiencia energética, que buscan lograr resultados óptimos consumiendo menos recursos; y aquellos que apuntan a promover la sostenibilidad a través de inteligencia artificial verde.

También conocida como green IA, la cual responde al principio de las 3 Rs: reducir, reutilizar y reciclar. Y su objetivo es interpretar los datos empresariales a través de algoritmos que tomen en cuenta un abanico de factores para optimizar los procesos en una variedad de sectores, desde la logística hasta el transporte.

Incluso busca ser más eficiente en el uso de energía y recursos como el agua, apuntando a la minimización de la contaminación y al desafío de hacer frente a obstáculos que pongan en riesgo la sostenibilidad del medio ambiente.

Mientras que la integración de los algoritmos verdes en infraestructuras, ciudades inteligentes y servicios de cloud computing, tiene el potencial de tener múltiples aplicaciones y beneficios.

Otras recomendaciones

Para reducir este impacto, los expertos también proponen varias estrategias como el desarrollo de hardware de bajo consumo, el uso de energías renovables para la infraestructura de operaciones y la precisa cuantificación de emisiones.

Así como la gestión del ciclo de vida para alargar la utilidad del hardware y promover la investigación colaborativa para una evolución sostenible de la IA y de los grandes centros de computación, en donde se alojan multitud de superordenadores que sustentan a este tipo de tecnologías.