El auge de la inteligencia artificial no tiene visos de detenerse, pero ¿a qué coste para la sostenibilidad?

Cambiar a energías renovables y reducir el consumo es el primer paso fundamental para reducir las emisiones de carbono, pero, para que esta medida sea eficaz, primero hay que conocer el consumo actual, fijar objetivos y poder medir los avances. Es como hacer una dieta... Si no sabes cuánto pesas al empezar o cuántas calorías consumes al día, lo más probable es que no consigas alcanzar tus objetivos.

 

En la Ethical Business Summit, organizada recientemente por la ATC (Association of Translation Companies), uno de los puntos que más me llamó la atención fue el mantra «Progreso, no perfección», extraído de un discurso de Dallas Consulting. La búsqueda de la perfección conduce al fracaso, pero la acumulación de pequeños objetivos e hitos puede marcar una diferencia significativa. 

 

Un cambio que puede desencadenar un impacto significativo es considerar la posibilidad de trasladar las plataformas de software a la nube pública, utilizando proveedores responsables que se centren en no generar emisiones de carbono. Los proveedores de la nube son más eficientes por naturaleza. Al fin y al cabo, la eficiencia impulsa directamente su rentabilidad, por lo que a los proveedores de la nube les interesa invertir en tecnología punta y disponer de un sistema de supervisión que garantice que el hardware se utiliza de forma eficiente y optimice la capacidad. Las estadísticas sugieren que el 20 % de los servidores de un bastidor no se utilizan plenamente o, peor aún, no se utilizan en absoluto. El panorama de la nube, como gasto externalizado, es objeto de constante escrutinio por parte de los equipos de adquisiciones, pero los servidores alojados y gestionados por cuenta propia tienden a pasar desapercibidos.

 

 

 

Decir que la IA ha despegado en los últimos años sería quedarse muy corto. El potencial de la IA no tiene límites y muchos ya están viendo y aprovechando sus ventajas, pero hay un coste oculto que debemos tener en cuenta en lo que respecta a la sostenibilidad y que quizá no resulte obvio a primera vista.

 

El entrenamiento de grandes modelos lingüísticos (LLM) requiere una enorme potencia de cálculo. El entrenamiento de GPT-3 supuso unas emisiones estimadas de unas 500 toneladas de dióxido de carbono. Para ponerlo en contexto, esta cifra equivale a recorrer 1,4 millones de kilómetros en un turismo medio de gasolina o a cargar 67 millones de smartphones.

 

Ahora mismo se habla mucho de integrar la IA y los LLM en los motores de búsqueda más populares. Si se añade IA generativa, se calcula que se necesitará entre 4 y 5 veces más potencia de cálculo para cada búsqueda. ChatGPT cuenta actualmente con unos 13 millones de usuarios al día, mientras que un motor de búsqueda convencional gestiona 500 millones de búsquedas diarias.

 

También hay que tener en cuenta el hardware necesario para generar modelos de IA. La mayoría de los modelos de IA generativa más conocidos se procesan en proveedores de hiperescala, que necesitan miles de servidores con GPU (unidades de procesamiento gráfico). Las GPU también han adquirido una nueva forma de vida desde la llegada de la minería de criptomonedas y el aprendizaje automático, con una demanda que superó la capacidad de producción durante un tiempo. Las GPU son ideales para el aprendizaje automático, ya que pueden manejar enormes conjuntos de datos y ejecutar algoritmos complejos de forma más eficiente y en paralelo, pero la energía necesaria para alimentarlas supone un inconveniente.

 

Los centros de datos representan actualmente entre el 1 y el 3 % de las emisiones de gases de efecto invernadero de todo el mundo, pero se calcula que aún no podrán hacer frente al aumento de la demanda de IA generativa debido a su integración con los motores de búsqueda habituales.

Estamos empezando a ver un cambio de mentalidad y un impulso cada vez mayor a la hora de construir nuevos centros de datos. Por ejemplo, en la Ethical Business Summit de ATC, Christos Ellinides, director general de Traducción de la Comisión Europea, señaló que se van a crear nueve centros de datos para albergar superordenadores en toda Europa y que la mayoría de ellos funcionará con energía limpia. Uno de ellos, construido en Luxemburgo, utiliza energía 100 % limpia, producida a partir de residuos de madera, para refrigerar y alimentar el superordenador.

 

 

¿Por qué la IA consume tanta potencia de procesamiento? 

 

El entrenamiento inicial de un modelo de IA generativa es la parte más exigente del proceso. Entrenar un solo LLM consume la misma energía y genera la misma huella de carbono que un vuelo comercial transatlántico. Ahora bien, una vez entrenados, utilizar esos modelos para responder a las preguntas de los usuarios requiere menos energía en cada sesión, pero el número de sesiones es cada vez mayor.

 

También estamos asistiendo a un gran aumento del número de variantes de código abierto para los LLM a medida que las organizaciones luchan por convertirse en líderes en este ámbito. Este segmento de código abierto rebosa innovación, ya que ofrece una gran variedad de modelos y los hace accesibles a un público más amplio. Sin embargo, desde el punto de vista de la sostenibilidad, el resultado es un mayor número de organizaciones que trabajan para crear o perfeccionar sus propios modelos, lo que a su vez se traduce en una mayor demanda de energía. La naturaleza descentralizada de esta tendencia significa que esta responsabilidad no está únicamente en manos de unas pocas empresas. Por tanto, todas las acciones e iniciativas para reducir la huella de carbono deben ser accesibles a un mayor número de organizaciones.

 

Se están llevando a cabo numerosas investigaciones para comprender cuál es el mejor enfoque a la hora de definir una estrategia para los LLM. Estamos empezando a preguntarnos cuál es el tamaño óptimo. ¿Es mejor construir un LLM desde cero o seguir un modelo comercial? Encuentro muchas similitudes con lo que vivió el sector lingüístico cuando las memorias de traducción empezaron a cobrar importancia hace tantos años y los profesionales buscaban el santo grial para perfeccionar su estrategia de gestión de la traducción. La aparición de los LLM vuelve a abrir ese debate, ya que podemos empezar a aprovechar el potencial de la IA generativa para complementar, educar y mejorar los recursos de traducción tradicionales, como las memorias de traducción, la terminología y la traducción automática.

 

 

 

Actualmente, se está investigando cómo reducir la potencia de cálculo necesaria para trabajar con nuevos datos. En cualquier caso, lo que ya está claro es que es más barato perfeccionar o proporcionar un entrenamiento especializado a un LLM existente que crear uno nuevo.

 

Por otra parte, algunos críticos afirman que las directrices ESG se han convertido en un baremo muy exigente. Esta circunstancia, a su vez, ha dado lugar a una fijación exagerada dentro de las organizaciones, en las que las prácticas ESG se adoptan como signo de virtud, a menudo a expensas del enfoque empresarial y del avance tecnológico. 

 

Es esencial encontrar el justo equilibrio entre valor y precisión. Si tenemos en cuenta que el coste de mejorar la precisión de un modelo en un 1-2 % se mide en toneladas métricas de gases de efecto invernadero, debemos preguntarnos si eso justifica las ganancias obtenidas. En determinados ámbitos y para algunos flujos de contenidos, esforzarse por conseguir ese 1-2 % extra de precisión es fundamental, pero en otros casos los beneficios pueden ser meramente nominales.

 

 

 

La elección del proveedor adecuado es el primer paso del proceso. Muchos centros de datos se han comprometido a reducir las emisiones de carbono, pero es nuestra responsabilidad hacer que cumplan su palabra. Trados Enterprise confía en AWS para el alojamiento. AWS trabaja con el objetivo de suministrar energía 100 % renovable de aquí a 2030, pero se estima que podría lograrlo en 2025. La empresa también pretende alcanzar cero emisiones netas de carbono de aquí a 2040.

Trabajar con proveedores responsables también puede ayudarte a cumplir tus propios objetivos de reducción de las emisiones de carbono, por lo que incluir este elemento como parte de tus criterios de selección es clave. Si la migración a la nube pública no es una opción, plantéate optar por un centro de datos responsable en lugar de servidores autogestionados.

 

La IA está cambiando el mundo en el que vivimos, y yo no voy a disuadir a nadie de embarcarse en ese viaje. Sin embargo, lo que todos podemos hacer es asegurarnos de utilizar la IA de forma responsable y teniendo en cuenta las implicaciones medioambientales de nuestras elecciones.

 

Aprovecha las ventajas de las innovaciones en IA, pero asegúrate de que generen un valor tangible. El mercado está empezando a saturarse de funciones de inteligencia artificial, y todas ellas pretenden ser la siguiente gran novedad. Se trata de un efecto secundario inoportuno e inevitable cuando algo crece a la velocidad y con el ímpetu que hemos visto en el caso de la inteligencia artificial. Al evaluar una nueva función, pregúntate lo siguiente: 

Si la respuesta a todas estas preguntas es negativa, me atrevería a decir que puedes lanzar esa función a las llamas cuando llegue el próximo 5 de noviembre.