Hace unos días que ChatGPT cumplió un año, aunque no sé si sería más correcto decir añazo. Al fín y al cabo, unas semanas después de su lanzamiento, se convirtió en la aplicación de más rápido crecimiento de la historia, con más de 58 millones de visitas a mediados de diciembre de 2022 y superando los 1.800 millones de visitas mensuales a mitad de 2023, con OpenAI afirmando que su web es  una de las más visitadas del planeta.

Si estás leyendo estas líneas y no estás abrumado por la popularidad alcanzada por la inteligencia artificial en general y por la IA generativa en particular en estos 12 meses, igual es que estás desconectado del mundo. Sea como sea, estamos asistiendo en vivo y en directo a una revolución brutal no sólo por sus potenciales efectos positivos y negativos, sino también por su velocidad. 

Hace unos días estuve participando en el primer Congreso de Inteligencia Artificial de Andalucía que se celebró en Granada. Dos días muy intensos en los que mezclamos conceptos como la IA generativa, la computación Cuántica y la IA Privada; hablamos de casos de uso en I+D en múltiples sectores y debatimos sobre ética, la transformación del puesto de trabajo y mil cosas más.

Pués bien, de todas las ponencias a las que pude asistir me quedo con una de Jesús González, Desmitificando GenAI: ¿Qué hay detrás de esta gran revolución?. No conocía al ponente, aunque al escucharle supe que lleva más de 20 años trabajando en el mundo de la inteligencia artificial y me impresionó su manera de desmitificar la IA explicando cómo hemos llegado hasta aquí, conceptos como las redes neuronales y el machine learning supervisado, no supervisado y el aprendizaje reforzado. En Granada ví varios modelos de generación de imágenes y videos con resultados impresionantes, desde el hermano menos conocido de ChatGPT, Dall-E  (pronunciado Dalí), hasta Emu Video (de Meta), por citar un par. Me dejaron especialmente alucinado los modelos que generan video a partir de texto. 

Pués bien, en el viaje de vuelta estuve reflexionando sobre el consumo energético de estos modelos y de las miles de GPU que los posibilitan.  Efectivamente, la IA generativa, los modelos de lenguajes grandes (LLMs) tienen un secreto: requieren grandes cantidades de energía para entrenarse y funcionar.

De hecho, las emisiones de CO2 generadas por estos modelos todavía son un misterio. Aunque buscando un poco he localizado un informe de Hugging Face y la Universidad de Carnegie Mellon que plantea estimar las emisiones producidas durante todo el ciclo de vida del modelo en lugar de solo durante el entrenamiento del mismo. El estudio proporciona información sobre la huella de carbono de la IA al ofrecer cifras concretas y revela algunas tendencias ascendentes preocupantes. El problema es que las  emisiones se acumulan rápidamente y que el auge de la IA generativa ha llevado a las grandes empresas tecnológicas a integrar potentes modelos de IA en muchos productos. Aunque no siempre son necesarios y a veces bastaría con modelos de IA más pequeños diseñados para tareas específicas.

Una de las autoras del documento, Sasha Luccioni, nos da un ejemplo clarificador: nos explica que usar un modelo generativo para clasificar reseñas de películas según sean positivas o negativas consume alrededor de 30 veces más energía que usar un modelo ajustado creado específicamente para esa tarea. La razón por la que los modelos de IA generativa utilizan mucha más energía es que intentan hacer muchas cosas a la vez, como generar, clasificar y resumir texto, en lugar de una sola tarea, como la clasificación.

Investigando sobre este tema descubro a la profesora Lynn Kaack, que dirige el Grupo de Políticas de Tecnología Climática y de IA en el Centro de Sostenibilidad y Laboratorio de Ciencia de Datos de la Hertie School de Berlín y me adentro en el debate sobre la doble relación entre inteligencia artificial y cambio climático; y me doy cuenta de que debemos tener claro que a la IA le pasa como al resto de la tecnología, no es buena ni mala por sí sola. Es importante considerar tanto las formas positivas en que se puede utilizar la inteligencia artificial para combatir la crisis climática como la exploración de su impacto medioambiental.

La conclusión es que lo recomendable es centrarse en desarrollar modelos de IA de manera sostenible y responsable. Al fin y al cabo, las tecnologías basadas en datos pueden proporcionar importantes soluciones climáticas y desempeñar un papel importante en la descarbonización del planeta.