Tras la IA generativa se esconde la “insostenibilidad”
Esta imagen no es solo una metáfora: es un recordatorio de que cada generación de IA tiene un coste físico que rara vez vemos.
La IA como Infraestructura Global
En apenas unos años, la inteligencia artificial ha
pasado de ser una herramienta especializada a convertirse en una
infraestructura global. Desde 2022, con la irrupción de los modelos generativos, el uso de la IA se
ha disparado en todos los sectores: empresas, gobiernos, educación, salud, industria,
logística, finanzas, etc.
La IA podríamos decir que ya no es un complemento,
sino una capa estructural de la economía digital.
El crecimiento exponencial de la IA
- Más modelos, más grandes y más complejos.
- Más empresas integrando la IA en sus procesos.
- Más usuarios finales interactuando con sistemas generativos.
- Más automatización, más inferencias y más demanda de cómputo.
La IA generativa, sin duda, ha acelerado esta tendencia, y cada modelo nuevo multiplica la demanda de recursos. GPT‑4, por ejemplo, necesitó más de 10 veces la energía que GPT‑3. Y los nuevos modelos multiplicarán esa cifra.
Por qué el
modelo actual no es sostenible
Cuando hablamos de la IA, quizás pensemos que sólo precisa energía eléctrica para hacer funcionar los grandes centros de datos, pero la sostenibilidad no depende solo de su consumo energético. Existen tres pilares críticos que deben considerarse: Energía, agua y minerales.
Estos tres elementos forman un triángulo inseparable. Y los tres están sometidos a tensiones crecientes.
Los centros de datos son el corazón físico de la IA. Su consumo energético proviene de todo un conjunto de elementos:
- Servidores,
GPUs, TPUs, redes internas, transformadores, UPS, sistemas de almacenamiento,
sistemas de refrigeración y las propias redes eléctricas y de comunicación
internas.
Pero hay un indicador que es clave, para entender lo que estamos comentando desde el punto de vista de los recursos, y es el PUE (Power Usage Effectiveness), que mide la eficiencia.
Este índice nos indica,
aunque ha ido mejorando en los últimos años la eficiencia, que la demanda total
de recursos ha crecido a un nivel más rápido.
La energía
Consumimos
energía cuando:
- Entrenamos
la IA generativa: donde
tenemos picos de consumo masivos.
- Inferimos
(en su uso): donde
el consumo es más continuo, permanente y creciente.
Por tanto, la IA generativa no solo consume
energía cuando se entrena, sino también cada vez que alguien la usa.
Este crecimiento es más rápido que la capacidad de
generar energía limpia equivalente, lo que genera una mayor presión sobre las
redes eléctricas, aumenta el riesgo de dependencia de fuentes
fósiles y genera una mayor competencia con otros sectores industriales.
El agua
El agua también es un elemento esencial
utilizado principalmente para la refrigeración en los centros de datos. Un
solo centro puede consumir tanta agua como una ciudad de 30.000 habitantes.
El agua, al ser un recurso escaso, especialmente en
zonas con estrés híbrico, la IA compite y competirá con otras actividades que
también hacen uso de este recurso, como la agricultura, la industria y el
consumo humano.
Los minerales
Muchas veces no pensamos en ello, pero podemos decir que todo el ciclo comienza en una mina.
Para fabricar chips, GPUs, servidores, baterías y
otros componentes electrónicos que constituyen los centros de datos de la IA,
se necesitan minerales como
son el:
- Litio, Cobalto,
Níquel, Cobre, Silicio
- Tierras
raras (Neodimio, Praseodimio, Diprosio, Terbio, Erbio, Yterbio, Euripio y
Gadoliomio)
La extracción de estos materiales tiene un impacto
ambiental y social significativo, y consume gran cantidad de energía y agua,
igual que la fabricación de semiconductores, cuyo proceso industrial es muy
intensivo, no sólo en energía y agua, sino también en químicos y transporte
global.
Pero quizás uno de los problemas que pone más en jaque
a la sostenibilidad, además del crecimiento exponencial de la demanda, es la obsolescencia acelerada del ciclo de
vida del hardware. Ello significa, que cuando montamos un gran centro de datos,
tenemos muchos elementos de hardware que en poco tiempo deberemos sustituir, como
por ejemplo:
Servidores: cada 3–5 años
- GPUs: cada
2–4 años
- Unidades
de almacenamiento: cada 5–7 años
Por tanto, la demanda de minerales se
precisa en el momento inicial, pero sobre todo, durante toda
su vida útil. Por lo que estará continuamente demandando minerales para nuevos
elementos y generando residuos electrónicos.
Por lo que hemos de tener muy
presente, que la IA no es solo un proceso digital y abstracto, sino que es una
cadena física que empieza en una mina, consume recursos y genera residuos.
El riesgo de
seguir con el modelo actual
IA centralizada = impacto concentrado
Actualmente, se está con una tendencia de entrenar grandes
modelos que requieren grandes centros de datos. Da la sensación, como que toda
la información que hay en internet tenga que estar disponible para la IA, pero
este tipo de modelos tienen un alto consumo energético y de agua, concentrado en
ubicaciones concretas, que pueden generar un gran impacto ambiental en el
entorno donde se ubican, generando asimismo, estrés y competencia por estos
recursos.
La paradoja de la eficiencia
Aunque los chips y los centros de datos son cada vez
más eficientes, la demanda crece aún más rápido que la eficiencia. Es el efecto
rebote.
Y la energía, el agua y los minerales no crecen
exponencialmente como lo está haciendo la IA.
Todo lo comentado hasta ahora nos da una idea, de cómo
la IA debería adaptarse rápidamente para no llegar a ser un problema realmente
peligroso desde el punto de vista de la sostenibilidad y del medio ambiente.
Para ello, debería mejorar la eficiencia y desarrollarse modelos más específicos (que se entrenen sólo con la información precisa)
y que utilicen centros de datos más pequeños y descentralizados o distribuidos,
con tal de no tensionar zonas concretas.
Pero como hemos visto, la tendencia nos lleva a un
crecimiento muy elevado, por lo que no se espera un cambio de tendencia en el
corto plazo, y además, existe una gran disputa en el tablero geopolítico por
liderar esta tecnología, que tensiona las relaciones políticas y donde los países no
están poniéndole límites a la tecnología ni están regulando este sector, por lo
que sin control, es muy difícil que haya sostenibilidad, pues en este momento, está primando más el crecimiento y
desarrollo de la tecnología que no la sostenibilidad de la misma.
Preguntas
que arden 💥
¿Si
el petróleo fue el oro negro del siglo XX, los minerales críticos son el oro
gris del XXI?
Está claro que si no lo es
ya, la aparición y el gran crecimiento de la IA lo va a poner en el centro en
cuestión de segundos. Además, hay otras tecnologías, como la militar, la
energética (energía renovable o almacenamiento) o la industria del automóvil,
entre otras, que también están en desarrollo, y que también precisan estos
minerales.
En los últimos tiempos
están habiendo fuertes disputas por disponer de estos minerales y tierras raras
como a veces se denominan. Por ejemplo, hay que entender, que el interés que
EEUU está mostrando actualmente por adquirir Groenlandia, tiene un propósito
muy directo por disponer y controlar estos minerales que se encuentran en gran
abundancia en esta isla, además, que por las bajas temperaturas, sería un entorno
ideal para ubicar grandes centros de datos. Por tanto, países con grandes
reservas de ciertos minerales, cada vez serán más disputados por las grandes
potencias, igual que en su día ocurrió, y aún ocurre, por ejemplo, con el
crudo.
¿La
convivencia de la IA con el entorno puede verse comprometida?
Actualmente, la mayoría
de las personas no considera la IA como un problema, desde el punto de vista de
la sostenibilidad, aunque desde otros puntos de vista sí que genera ciertas
inquietudes entre la población, como es en aspectos de ciberseguridad o con la preocupación
por su incursión en las relaciones laborales por el miedo a un posible aumento
de desempleo, por ejemplo.
No obstante, el hecho de que no esté la sostenibilidad en la mente de las personas es debido fundamentalmente:
- Al desconocimiento de cómo se genera esta tecnología y de los recursos que utiliza.
- A la falta de información, ya que es una tecnología muy reciente de gran entrada en la sociedad, y la gente, aún no se plantea ni demanda información. Se están iniciando en su uso.
- Existen condicionamientos y una gran presión a su implementación, y ningún país se quiere quedar atrás, por lo que no existe una urgencia por legislar, no tan sólo desde la mira de la sostenibilidad, sino también, desde otros puntos de vista.
Pero, entre tanto, la IA si no se proyecta adecuadamente podría generar tensiones en
algunos entornos, basta ver por ejemplo, como hace un tiempo en algunas regiones
de España, la falta de lluvia había generado una fuerte reducción de los
recursos híbridos, y se generaron restricciones al consumo de agua. Si esto
hubiera ocurrido con una gran implantación en ese momento y en esas zonas de
grandes centros de datos, se hubiera tensionado mucho más el entorno al entrar
en competencia con el uso humano del agua.
A nivel de la energía
eléctrica pasa más de lo mismo, si se produce una implantación acelerada de
centros de datos en determinados entornos, sin que se desarrollen a igual
velocidad nuevas infraestructuras eléctricas y en algunos casos, nuevas
centrales eléctricas, se entraría en competencia con otras actividades
industriales, donde el hecho de instalar centros de datos, limitaría el
desarrollo de otras industrias en el entorno que generarían más puestos de
trabajo y riqueza social a la población local. Hay que decir, que si bien los
centros de datos pueden generar riqueza a nivel global a las empresas gracias
a su implementación en sus procesos internos, los centros de datos no generan
por sí, riqueza en el entorno local, ya que, más allá del momento de su
construcción, no genera apenas puestos de trabajo directos en la zona donde se
ubica.
¿La
IA puede ser una oportunidad o una amenaza para la energía renovable?
Podríamos decir, que hay
un gran debate con este asunto, pero mirando la tendencia y el modelo actual de la
IA generativa, compuesto de grandes centros de datos y un aumento exponencial
de su uso y entrenamiento en los próximos años, la energía renovable va a
crecer pero no lo va a poder hacer al mismo ritmo, y la tendencia que había a
reducir en parte la producción de energía a través de centrales
convencionales, puede que de un vuelco, y en especial, si hablamos de las centrales
nucleares.
Ya se está viendo que la
presión que está generando la entrada de la IA está haciendo que muchos países
que estaban en un proceso de cierre de centrales nucleares, por su llegada al
fin de su vida útil, traten de alargar los años de vida de las mismas, y en
muchos casos, se están generando nuevos proyectos de construcción de nuevas centrales
de este tipo, algunas, con una finalidad muy directa para alimentar la IA (en
estos proyectos podemos encontrar a grandes tecnológicas como google, Amazon o Microsoft),
abanderadas por un Donald Trump, que ha dejado de apostar por la energía
renovable, y se ha retirado, por ejemplo, del acuerdo de París, renunciando a
sus compromisos de reducción de emisiones de gases de efecto invernadero.
Además, la fuerte entrada
de la IA, también está afianzando otras tecnologías como los ciclos combinados de gas,
y se está empezando también a ver el paro de proyectos de cierre de centrales
de carbón.
Todo ello, reconfigura el
modelo energético que se había planteado hace años, debido fundamentalmente a
la necesidad inminente de disponer de energía firme (es decir, disponible
cuando se precisa) y de momento, la energía renovable no puede suplantar este
modelo al no disponer de capacidad suficiente para cubrir los picos de demanda,
ni estar siempre disponible cuando se precisa en la medida que se solicita. Por lo
que podríamos decir, que muy probablemente se produzca un retroceso en la
sostenibilidad, consumiendo más agua (para refrigerar este tipo de centrales),
consumiendo más recursos fósiles, y contaminando más.
La IA no será sostenible mientras su progreso dependa de recursos que no lo son. Necesitamos modelos más eficientes, descentralizados y regulados. La sostenibilidad debe ser parte del diseño, no una consecuencia tardía.
Comentarios
Publicar un comentario