El futuro de la IA y la eficiencia energética

La inteligencia artificial (IA) ya está cambiando la forma en la que vivimos y trabajamos, y tiene el potencial de revolucionar los sectores y el mundo en general. Se espera que produzca billones de dólares en valor, haciendo de todo, desde mejorar las predicciones de eventos climáticos catastróficos hasta acelerar el descubrimiento y la distribución de medicamentos que salvan vidas. 

Las personas lo utilizan para servir como asistentes virtuales y copilotos. Las empresas y los empleados lo están implementando para lograr eficiencias en varias áreas clave, incluido el servicio de atención al cliente, las finanzas y otras áreas.

En mayo, en un informe de McKinsey se descubrió que el número de organizaciones que utilizan IA generativa casi se había duplicado hasta el 65 % en los últimos 10 meses. Un estudio reciente del IBM Institute for Business Value (IBV) reveló que el 77 % de los encuestados sentía que necesitaban adoptar la IA generativa rápidamente para mantenerse al día con los clientes.

El rápido crecimiento de la adopción de la IA también se ha traducido en un aumento espectacular del consumo de energía. Se necesita energía tanto para construir y entrenar modelos de IA como para impulsar los cálculos matemáticos complejos que un modelo completa cada vez que se le solicita información o genera contenido.

La Agencia Internacional de la Energía (AIE) ha sugeridoque la integración de la IA en las herramientas existentes, como los motores de búsqueda en Internet, podría multiplicar por diez la demanda de electricidad. Para 2030, la AIE proyecta que la cuota de electricidad global que alimenta los centros de datos se duplicará.

La IA no es la primera tecnología que plantea desafíos en materia de consumo energético. El cloud computing generó preocupaciones similares a principios de la década de 2000, pero afortunadamente se evitaron gracias a innovación. Sin embargo, a medida que continúa la adopción de la IA y las empresas buscan electricidad estable y asequible en mercados energéticos competitivos, este tema es prioritario para muchos ejecutivos.

No obstante, a lo largo de este auge de la IA, muchas empresas siguen persiguiendo ambiciosos objetivos de sostenibilidad. El 45 % de las empresas S&P han asumido compromisos de cero neto, y Gartner ha compartido que el 42 % de los ejecutivos consideran que sus esfuerzos de sostenibilidad son un diferenciador clave.

Como resultado, muchas empresas se enfrentan ahora a una doble tarea: tener en cuenta el aumento del uso de la energía impulsado por la IA en sus objetivos de sostenibilidad y, al mismo tiempo, apoyar los esfuerzos de todo el sector para que la IA sea más respetuosa con la energía.

Nadie espera que la adopción de la IA se ralentice porque demasiadas empresas y ejecutivos la ven como una parte indispensable de su futuro. Unir estas dos ambiciones (aprovechar los beneficios de la IA y, al mismo tiempo, avanzar en las promesas de cero neto) requiere un enfoque inteligente.

Afortunadamente, numerosos expertos del sector están trabajando en una serie de soluciones. Esas soluciones incluyen:

• Mejoras en el hardware
• Modelos más pequeños
• Entrenamiento de modelos más inteligentes
• Uso de energías limpias y renovables
  
• Código abierto y colaboración

Se ha demostrado que el hardware de limitación de energía disminuye el consumo de energía hasta en un 15 %, mientras que solo aumenta el tiempo que se tarda en devolver un resultado en un apenas perceptible 3 %.

El uso de energía de la IA también puede reducirse utilizando hardware eficiente en carbono, que "empareja un modelo con la combinación de hardware más eficiente en carbono", según el MIT. 

Los chips nuevos y mejorados son otra solución para los problemas energéticos. IBM acaba de hacer públicos los detalles de la arquitectura de su próximo IBM Telum II Processor y del IBM Spyre Accelerator, diseñados para reducir el consumo de energía basado en la IA y la huella de los centros de datos cuando salgan al mercado en 2025.

En general, los modelos más grandes, como los modelos de lenguaje de gran tamaño generalistas (LLM) utilizados por ChatGPT y Google Gemini, requieren más energía que los más pequeños. Estos modelos generalistas pueden ser útiles para una amplia gama de necesidades de los consumidores, pero para las empresas con casos de uso específicos, IBM y otras empresas recomiendan modelos más pequeños, más eficientes, más asequibles y que consuman menos energía.

Los métodos actuales de entrenamiento de modelos requieren una gran cantidad de energía porque los desarrolladores de IA suelen utilizar varios modelos anteriores como punto de partida para entrenar nuevos modelos. La ejecución de todos estos modelos aumenta la energía necesaria.

Sin embargo, los investigadores están tratando de predecir mejor qué modelos están superando y bajando las expectativas, deteniendo los modelos de bajo rendimiento temprano para ahorrar energía. Todo esto forma parte del floreciente movimiento de "diseño para la sostenibilidad" que define los parámetros de la carga de trabajo para hacer un mejor uso eficiente de la energía.

Todas las empresas deben buscar construir o utilizar centros de datos que estén cerca de áreas donde la energía renovable es abundante. Abastecerse de green data centers, que utilizan energía renovable y sostenible, es una excelente manera de reducir el impacto ambiental.

Las empresas que operan en el espacio de la IA no deben permitir que la competencia excesiva se interponga en el camino de compartir consejos y herramientas que pueden ayudar a la sociedad a cosechar los beneficios de los modelos de IA con menos demanda de energía.

IBM ha colaborado con la Universidad de Columbia para producir soluciones significativas a la crisis energética, incluido el modelado de cómo se comporta la IA en diferentes hardware, el desarrollo de chips de menor potencia, la eliminación de la sobrecarga de software y la optimización de los sistemas de IA.

Además de estos diversos enfoques, la propia IA puede ayudar en la resolución de problemas en torno a sus necesidades energéticas.

Un estudio reciente de IBM mostró que el 74 % de las empresas encuestadas en la industria de energía y servicios públicos están adoptando la IA para abordar los desafíos relacionados con los datos. Esto podría ayudarles a aumentar la eficiencia, disminuyendo su impacto en el medio ambiente. Desde el mantenimiento de la red hasta la previsión de la carga (enlace externo a ibm.com), la IA tiene el potencial de tener un gran impacto en la industria energética, lo que permite que la energía se entregue de manera más eficiente a todos los sectores.

IBM ha asumido un papel de liderazgo en la transición a la energía limpia, creando el Modelo de Madurez de Electrificación Limpia (CEMM) en coordinación con APQC para ayudar a las empresas energéticas a realizar evaluaciones de madurez para comparar sus resultados y acelerar sus transiciones energéticas.

El mismo estudio mostró que, para finales de 2024, el 63 % de las empresas encuestadas tienen previsto aplicar la IA generativa en las iniciativas de IT sostenible. Sin embargo, solo el 23 % están considerando actualmente realizar evaluación durante las fases de diseño y planificación de los proyectos de TI, en gran medida. Esto tiene que cambiar.

Es bueno que ya se esté debatiendo a fondo sobre el uso de la energía y la inteligencia artificial, y esperemos que se produzcan más avances para minimizar el consumo de energía, como los que ya estamos logrando.

IBM está especialmente comprometida a ayudar a identificar modelos más pequeños y efectivos y hardware más inteligente para minimizar el uso de energía. Mejorar la IA y disminuir el uso de energía crea aún más oportunidades para integrar la tecnología en nuestra vida diaria. La probabilidad de que el uso de la IA pueda ayudar al mundo a resolver sus mayores desafíos ambientales hace que el objetivo de minimizar el uso de energía sea aún más importante.