Expertos abordan las repercusiones medioambientales de la IA

La eficiencia no siempre es la norma para la industria de la IA.

Durante el reciente evento AI Hardware Summit 2021, un panel titulado “Garantizar la sostenibilidad de los sistemas de IA” abord贸 el coste medioambiental de la IA, habida cuenta del crecimiento sostenido que ha tenido en los 煤ltimos a帽os, y los modelos cada vez m谩s grandes que est谩n siendo aplicados.

En el panel participaron Carole-Jean Wu, cient铆fica investigadora de Facebook; David Patterson, ingeniero distinguido de Google Brain y co-ganador del Premio Turing 2017; y David Kanter, director ejecutivo de MLPerf.

El debate, referido por la publicaci贸n Enterprise AI, parti贸 recordando la conclusi贸n a que lleg贸 hace algunos a帽os un equipo de investigadores de la Universidad de Massachusetts Amherst, en el sentido que una sola sesi贸n de entrenamiento de un modelo de inteligencia artificial pod铆a tener una huella de carbono equivalente a la de varios coches.

A juicio de Wu, La demanda de recursos de la IA ha crecido exponencialmente en la 煤ltima d茅cada, lo que hace evidente que la tendencia de crecimiento de la IA se encuentra actualmente en un ritmo insostenible – por lo que mientras la demanda estimula el crecimiento significativo del mercado, realmente puede impactar nuestro entorno de muchas maneras diferentes.

Por su parte, Patterson puso en tela de juicio la idea convencional sobre la huella de carbono de la IA, cuestionando conclusiones como las del documento de Amherst al recordar una investigaci贸n en la que particip贸 sobre la huella de carbono del entrenamiento de grandes redes neuronales.

Citando un art铆culo publicado en Science, Patterson record贸 que 茅ste conclu铆a que hay energ铆a que va a la nube, pero eso est谩 quitando el consumo de energ铆a de los centros de datos, que no son tan eficientes como la nube. La conclusi贸n ser铆a que durante la 煤ltima d茅cada, el consumo de energ铆a de los centros de datos en general fue s贸lo del seis por ciento a pesar de tener m谩s de cinco veces m谩s potencia de c谩lculo, y la raz贸n fue que los centros de datos y edificios ineficientes e infrautilizados est谩n siendo sustituidos por la nube altamente eficiente.

Adem谩s, Patterson dijo que, aunque el entrenamiento de la IA utiliza energ铆a, la naturaleza y la escala de esa energ铆a importa. Al respecto, agreg贸 que varias de estas empresas est谩n siendo muy agresivas en cuanto a la huella de carbono e intentan utilizar fuentes de energ铆a libres de carbono, dijo, citando los importantes esfuerzos de sostenibilidad de Google, Microsoft y otros. Y en el caso de Google, dijo, el porcentaje de su uso de energ铆a procedente de la formaci贸n de grandes modelos fue inferior al 0,005%. “Es un error de redondeo”, dijo.

Los panelistas tambi茅n se preguntaron si el entrenamiento era el problema m谩s importante de la huella de carbono de la IA. A juicio de Kanter, la inferencia es el mayor problema, ya que se escala con el n煤mero de clientes. En consecuencia, dijo, una inversi贸n inicial en carbono para la formaci贸n podr铆a valer la pena si se obtuvieran reducciones significativas en el lado de la inferencia.

Adem谩s, seg煤n Wu, en muchos casos, la fuente dominante del coste medioambiental de la inform谩tica se ha desplazado bastante, a la fabricaci贸n de hardware, en lugar de al uso del producto. En tal sentido, record贸 que Apple, por ejemplo, descubri贸 que el 74% de su huella de carbono de extremo a extremo proced铆a de la fabricaci贸n y no del uso por parte de los clientes, y que el 33% proced铆a de la fabricaci贸n de circuitos integrados.

A este respecto, Kanter se帽al贸 que las aplicaciones de los clientes y las aplicaciones empresariales son muy diferentes, argumentando que el factor de utilizaci贸n de los clientes de Apple era probablemente mucho menor que el factor de utilizaci贸n de, por ejemplo, un centro de datos en la nube. Patterson, por su parte, defendi贸 la relativa sostenibilidad de las piezas de los centros de datos yuxtaponiendo su vida 煤til comparativamente larga y su mayor utilizaci贸n con la vida 煤til m谩s corta de la electr贸nica de consumo, como los smartphones.

Wu sostuvo que la emisi贸n de carbono es una pieza del rompecabezas, ya que el resto de la ecuaci贸n incluye problemas ambientales masivos como los residuos electr贸nicos (50 millones de toneladas producidas en 2019, seg煤n Wu) y el tratamiento de aguas residuales. Kanter coincidi贸 en lo que respecta a los semiconductores, donde el CO2 es un problema, aunque hay muchas otras cosas que son problemas, como el arseniuro de galio. “Hay muchas formas en que estas cosas pueden ser peligrosas fuera del CO2”.

Para resolver estos problemas, los panelistas aportaron diversas ideas para mejorar la sostenibilidad de los sistemas de IA. Kanter abog贸 por la medici贸n y la evaluaci贸n comparativa. A primera vista, dijo, cabr铆a esperar que la eficiencia de los algoritmos progresara al ritmo de la ley de Moore, pero, en cambio, los puntos de referencia de MLPerf la han superado con creces. “Lo que quiero decir es que los puntos de referencia ayudan a impulsar las cosas”, afirm贸. “El objetivo de un punto de referencia es alinear a toda la industria en lo que significa ‘mejor'”.

Los panelistas tambi茅n destacaron la importancia de elegir instalaciones de producci贸n y explotaci贸n sostenibles. “La mayor sorpresa del documento del que habl茅 fue la importancia de la ubicaci贸n”, dijo Patterson. Wu se mostr贸 de acuerdo y subray贸 la diferencia que puede suponer la elecci贸n de una f谩brica respetuosa con el medio ambiente o la b煤squeda, en general, de instalaciones abastecidas por energ铆a libre de carbono.

Patterson concluy贸 con una nota de responsabilidad personal, instando a los investigadores de IA a impulsar estas medidas en sus empresas. “Si realmente creen que el cambio clim谩tico global es real, creo que deber铆an preguntarse qu茅 pueden hacer individualmente como parte de su trabajo y como parte de su comportamiento personal”.




Newsletter

Contacto | Diario TI es una publicaci贸n de MPA Publishing International Ltd.