«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», ha declarado Tawfik Jelassi, subdirector general de Comunicación e Información de la UNESCO.
Garantizar un mejor uso y desarrollo de la inteligencia artificial La UNESCO tiene el mandato de apoyar a sus 194 Estados miembros en sus transformaciones digitales proporcionándoles conocimientos para desarrollar políticas de IA eficientes desde el punto de vista energético, éticas y sostenibles. En 2021, los Estados miembros de la Organización adoptaron por unanimidad la Recomendación sobre la ética de la inteligencia artificial, un marco de referencia que incluye un capítulo orientado a las políticas sobre el impacto de la IA en el medio ambiente y los ecosistemas.
Este nuevo informe pide a los gobiernos y a la industria invertir en investigación y desarrollo sostenible de la IA, así como en alfabetización digital en IA, para que los usuarios puedan comprender mejor el impacto ambiental de su uso de la IA y tomen decisiones más informadas.
Soluciones accesibles y eficaces para reducir el impacto ambiental de la IA
Actualmente, más de mil millones de personas utilizan diariamente las herramientas de inteligencia artificial generativa. Cada interacción consume energía, alrededor de 0,34 vatios-hora por prompt. Esto suma hasta 310 gigavatios-hora al año, una cifra equivalente al consumo anual de electricidad de más de 3 millones de personas en un país africano de bajos ingresos.
Para este informe, un equipo de científicos informáticos del UCL ha llevado a cabo una serie de experimentos originales en una gama de diferentes modelos de lenguaje grandes (LLM) de código abierto y han identificado tres innovaciones que permiten un ahorro energético sustancial sin comprometer la precisión de los resultados:
1) Los modelos más pequeños son tan inteligentes y precisos como los grandes: los modelos pequeños adaptados a tareas específicas pueden reducir el consumo de energía hasta en un 90 %. Actualmente, los usuarios confían en grandes modelos de carácter general para todas sus necesidades. La investigación muestra que el uso de modelos más pequeños adaptados a tareas específicas, como la traducción o el resumen, puede reducir significativamente el consumo de energía sin perder rendimiento. Es un enfoque más inteligente, más rentable y eficiente en el uso de los recursos que consiste en hacer coincidir el modelo correcto con el trabajo correcto en lugar de recurrir a un sistema grande y polivalente para todo.
Los desarrolladores también tienen un papel en el proceso de diseño; el modelo denominado 'mezcla de expertos' es un sistema bajo demanda que incorpora muchos modelos más pequeños y especializados. Cada modelo, por ejemplo, un modelo de resumen o un modelo de traducción, solo se activa cuando es necesario para realizar una tarea específica.
2) Respuestas y prompts más cortos y concisos pueden reducir el consumo de energía en más del 50 %.
3) El modelo de compresión puede ahorrar hasta un 44 % de energía. Reducir el tamaño de los modelos a través de técnicas como la cuantización ayuda a utilizar menos energía sin perder precisión.
Los modelos pequeños son más accesibles
La mayor parte de la infraestructura de IA se concentra actualmente en países de altos ingresos, dejando a otros atrás y acentuando las desigualdades globales. Según el UIT, solo el 5 % del talento africano en IA tiene acceso a la potencia informática necesaria para crear o utilizar IA generativa. Las tres técnicas exploradas en el informe son particularmente útiles en entornos con bajos recursos, donde la energía y el agua son escasos; los modelos pequeños son mucho más accesibles en entornos de bajos recursos con conectividad limitada.