El estudio de la inteligencia artificial (I.A.) está haciendo progresos importantes en los últimos tiempos. Los programas de I.A. están por todas partes, aprendiendo por sí mismos, mejorándose continuamente. El aprendizaje automático y en especial el aprendizaje profundo están obteniendo resultados impresionantes en ciencia, medicina y en la vida diaria. Sin embargo, raro es que se hable del aspecto ambiental del desarrollo de la I.A.  Más en concreto, se ignora el hecho de que muchas de las tareas asociadas al aprendizaje y aplicaciones de la I.A. pueden ser intensivas en cuanto al consumo de energía y tener una nada despreciable huella de carbono. Si esta tendencia, que es exponencial, continúa, el aprendizaje automático puede convertirse en un factor que contribuya de modo importante al agravamiento del cambio climático. El entrenamiento de un modelo de I.A. puede llevar miles de horas y el empleo de una gran cantidad de hardware (equipos informáticos) que pueda soportar dicho rendimiento. Se estima que del año 2012 al 2018 las necesidades de computación para el aprendizaje automático aumentaron nada menos que 300.000 veces. Unos investigadores han presentado recientemente los resultados de su investigación sobre este problema, así como un algoritmo gratuito y de libre acceso que evalúa la huella de carbono de los programas de aprendizaje de I.A. (Wolff Anthony et al. 2020)

Tanto el público en general como los expertos en el campo deben percatarse del problema y apoyar acciones que lo contrarresten. Una vez se sea consciente de la huella de carbono del trabajo en I.A. se pueden tomar medidas concretas y a menudo sencillas para reducir su impacto, como el citado algoritmo de huella de carbono.  El hecho de cambiar de un país a otro puede suponer una gran diferencia. El entrenamiento de un modelo en Suecia en lugar de en Estonia puede ser hasta 61 veces inferior en impacto, debido a la diversidad de las fuentes energéticas empleadas en cada país. Otros factores relevantes para reducir el consumo energético y la huella de carbono de los modelos de I.A. son la hora del día que se emplee y el diseño de algoritmos más eficientes, minimizando la potencia de computación necesaria para el entrenamiento de los modelos. También se puede emplear un hardware más eficiente desde el punto de vista energético y configurarlo teniendo en cuenta el uso de la energía.

En resumen, la I.A. es cada vez más importante en nuestras vidas. Debemos evaluar su precisión, su rendimiento, su utilidad, pero sin olvidar su impacto energético y ambiental.

(Imagen: Elias Sch. en Pixabay)

Referencia citada: Wolff Anthony L.F., Benjamin Kanding, Raghavendra Selvan: “Carbontracker: Tracking and Predicting the Carbon Footprint of Training Deep Learning Models.” ICML Workshop on “Challenges in Deploying and Monitoring Machine Learning Systems” 2020.