El costo ambiental de la inteligencia artificial generativa
El auge de la inteligencia artificial generativa ha traído consigo no solo un importante avance tecnológico, sino también un creciente costo ambiental. Un estudio reciente de Greenly, experto en contabilidad de carbono, revela las discrepancias energéticas entre dos protagonistas del sector: el estadounidense ChatGPT-4 y el chino DeepSeek.
ChatGPT-4: poder incrementado y un impacto ecológico alarmante
A medida que los modelos de IA se vuelven más potentes, su huella ecológica también se agranda. ChatGPT-4, con más de 1,800 millones de parámetros, ha multiplicado su consumo energético por 20 en comparación con su predecesor, que contaba con 175 mil millones de parámetros. Según Greenly, si una organización gestionara 1 millón de correos electrónicos al mes utilizando este modelo, generaría 7,138 toneladas de CO₂e al año, equivalentes a realizar 4,300 vuelos de ida y vuelta entre París y Nueva York.
Este impacto aumenta al considerar el uso diario del modelo. Un estudio de la Universidad Carnegie Mellon sugiere que cada consulta consume tanto como el 16% de la energía de una carga de smartphone, lo que se traduce en 514 tCO2e anuales por un millón de respuestas de texto. Los convertidores de texto a imagen, como DALL-E, son aún más dañinos, generando hasta 60 veces más CO2e que el texto solo.
DeepSeek: una alternativa ecológica viable?
En contraste, DeepSeek ha irrumpido en el sector prometiendo un rendimiento similar al de sus competidores occidentales, pero con un enfoque más sostenible. Utilizando la arquitectura Mixture-of-Experts (MoE), este modelo activa solo los sub-módulos necesarios para cada consulta, lo que lo hace menos demandante en energía.
DeepSeek logró entrenar su modelo utilizando únicamente una décima parte del tiempo de GPU requerido por Llama 3.1 de Meta, a pesar de que esta última emplea chips más recientes. Utilizando 2,000 chips NVIDIA H800 en comparación con los 25,000 de ChatGPT-4, la huella de carbono de DeepSeek se ha reducido, gracias a la menor demanda energética de estos chips.
Sin embargo, algunos expertos advierten que los beneficios de eficiencia podrían verse rápidamente superados por un aumento exponencial en la demanda a medida que el uso de la IA se expanda.
Perspectivas para una inteligencia artificial más sostenible
La huella ambiental de la IA se ha convertido en un tema crucial. El estudio de Greenly propone diversas estrategias para un desarrollo más responsable, incluyendo la optimización de infraestructuras mediante el uso de chips más eficientes, así como un marco legislativo que establezca estándares ambientales y promueva centros de datos alimentados por energías renovables. Por ejemplo, entrenar ChatGPT en Francia en lugar de en EE.UU. podría reducir las emisiones hasta tres veces, gracias a la mayor proporción de energías renovables en el mix energético francés.
“La llegada de DeepSeek introduce un nuevo eje en la competencia de modelos de IA: la eficiencia energética. La pregunta sigue abierta: ¿seguirán los gigantes de la IA generativa este camino o priorizarán la potencia a costa del medio ambiente?”
Alexis Normand, CEO y cofundador de Greenly
Las aplicaciones de la IA generativa están en constante evolución y se están convirtiendo en tendencias populares en redes sociales, como los «starter packs» inspirados en películas del estudio Ghibli. Estos conjuntos, que a menudo incluyen objetos estéticos y productos de consumo, se comparten e imitan ampliamente en línea. Sin embargo, esta búsqueda de estilo y identidad puede conllevar un aumento significativo en el consumo de energía y agua, generando más de 700 millones de visualizaciones solo en la tendencia “Starter Pack”. Cada imagen de este tipo consume 3.5 litros de agua, 29 horas de luz e implica una carga de smartphone.
Método de análisis
El estudio de Greenly se basa en un análisis comparativo de las emisiones de carbono generadas por el entrenamiento y uso de modelos de IA, aplicándolo a la gestión automática de 1 millón de correos electrónicos al mes durante un año. El impacto de ChatGPT-4 se calcula considerando 25,000 GPU NVIDIA A100 operando a un 30% de su capacidad en centros de datos estadounidenses durante 100 días. Para DeepSeek, la estimación se fundamenta en las declaraciones del fabricante, que indican un número de GPU ocho veces menor que sus competidores.
