Una investigación conjunta de la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO) y la University College de Londres (UCL) reveló que pequeños ajustes en el diseño y uso de los modelos de lenguaje grandes (LLM) de inteligencia artificial (IA) pueden disminuir drásticamente su consumo energético sin sacrificar su rendimiento.
El informe sugiere un enfoque que prioriza modelos de inteligencia artificial más compactos sobre los de alto consumo de recursos, y señala que la combinación de estas medidas podría reducir el consumo de energía hasta en un 90%.
Tawfik Jelassi, subdirector general de Comunicación e Información de la UNESCO, destacó la urgencia de esta situación: «La huella energética anual de la IA generativa ya es equivalente a la de un país de bajos ingresos y está creciendo exponencialmente. Para que la IA sea más sostenible, necesitamos un cambio de paradigma en la forma en que la usamos y debemos educar a los consumidores sobre lo que pueden hacer para reducir su impacto ambiental».
La UNESCO busca promover políticas de inteligencia artificial energéticamente eficientes, éticas y sostenibles. En 2021, los Estados miembros adoptaron por unanimidad la Recomendación sobre la ética de la inteligencia artificial, que incluye un capítulo sobre el impacto ambiental de la IA.
Este nuevo informe insta a gobiernos e industria a invertir en investigación y desarrollo sostenible de la inteligencia artificial, así como en alfabetización digital, para que los usuarios puedan tomar decisiones más informadas sobre su uso.
Más de mil millones de personas utilizan herramientas de inteligencia artificial generativa a diario. Cada interacción consume aproximadamente 0,34 vatios-hora, lo que se traduce en 310 gigavatios-hora anuales, equivalente al consumo eléctrico de más de 3 millones de personas en un país africano de bajos ingresos.
Científicos informáticos de la UCL realizaron experimentos con diversos LLM de código abierto e identificaron tres innovaciones clave para lograr un ahorro energético sustancial sin comprometer la precisión:
- Modelos más pequeños y especializados: La investigación demuestra que los modelos pequeños, adaptados a tareas específicas como traducción o resumen, pueden ser tan inteligentes y precisos como los grandes, reduciendo el consumo de energía hasta en un 90%. En lugar de depender de modelos grandes y de propósito general para todas las necesidades, un enfoque más inteligente y eficiente consiste en hacer coincidir el modelo correcto con la tarea adecuada. Los desarrolladores también pueden implementar la «mezcla de expertos», un sistema bajo demanda que activa modelos pequeños y especializados solo cuando son necesarios para una tarea específica.
- Respuestas y “prompts” más cortos y concisos: Reducir la extensión de las interacciones puede disminuir el consumo de energía en más del 50%.
- Compresión de modelos: Técnicas como la cuantización pueden reducir el tamaño de los modelos y ahorrar hasta un 44% de energía sin perder precisión.
Impacto en la accesibilidad global de la inteligencia artificial
La mayor parte de la infraestructura de inteligencia artificial se concentra en países de altos ingresos, lo que exacerba las desigualdades globales. Según la Unión Internacional de Telecomunicaciones (UIT), solo el 5% del talento africano en IA tiene acceso a la potencia informática necesaria para crear o utilizar IA generativa.
Las técnicas exploradas en el informe son particularmente valiosas en entornos con recursos limitados, donde la energía y el agua son escasos, ya que los modelos más pequeños son mucho más accesibles con conectividad limitada.
Si te gustó o sirvió algo que publiqué, te ofrezco dos alternativas para agradecer y permitir la continuidad de mi trabajo en Bahía César:
Te invito a suscribirte gratis al boletín semanal de Bahía César para recibirlo en tu correo electrónico. Ingresa tu e-mail aquí.
