¿Cuál es la huella de carbono de la inteligencia artificial?

Un dato que llama la atención. En solo seis años, de 2012 a 2018, la necesidad de potencia informática en el aprendizaje profundo ha crecido en un 300.000%. Aunque no se vea como el humo de los tubos de escape, aunque pase desapercibido, la inteligencia artificial puede llegar a convertirse en un problema para el medio ambiente. Ya lo advierten los científicos: si se sigue a este ritmo y no se toman medidas, la misma tecnología que nos puede ayudar a combatir el cambio climático puede ser una de las que más incremente los niveles de CO2.

Para concienciar sobre este problema, estudiantes de la Universidad de Copenhague han desarrollado una herramienta que calcula cuál es la huella climática de los modelos de aprendizaje profundo. Lasse F. Wolff Anthony y Benjamin Kanding, han inventado un programa de software al que llaman Carbontracker. Se trata de calcular cuánta energía consume y cuántas emisiones de CO2 se utilizan para entrenar un modelo de aprendizaje profundo.

Hay que tener en cuenta que los algoritmos de machine learning tienen que aprender a reconocer patrones en grandes cantidades de datos y que para conseguirlo emplean un hardware especializado que consume mucha energía y que funciona 24 horas al día. “Uno de los modelos de aprendizaje profundo más grandes disponibles en la actualidad es el modelo de lenguaje avanzado GPT-3”, señala Kanding. “En una sola sesión de formación, puede llegar a necesitar el mismo consumo energético que 126 hogares daneses en un año”.

No se trata de detener el desarrollo tecnológico. Lo que los investigadores pretenden es alertar de un problema que puede ir en aumento si no se le pone solución. La idea de Carbontracker  - que es un programa gratuito - es proporcionar a la industria una base para reducir el impacto climático de estos modelos de IA. El programa ofrece información periódica sobre el consumo energético y la generación de CO2 en una determinada región.

“Es posible reducir significativamente el impacto climático”, señala Lasse F. Wolff Anthony. “Por ejemplo, si el suministro de energía es ecológico la huella de carbono de un entrenamiento de machine learning puede reducirse hasta en un 60%. Además, algunos algoritmos requieren menos potencia informática y, por tanto, menos energía para lograr lo mismo”. Conocer el problema es el primer paso para solucionarlo.