Hondurasensumanos Noticias Las noticias positivas que nos hacen crecer!
Podemos regularla e intentar frenarla, pero a estas alturas queda claro que el desarrollo de la inteligencia artificial generativa es imparable. Por encima de todas las implicaciones, hay un problema energético: hace falta una enorme capacidad de cómputo para procesar las respuestas y, sobre todo, entrenar grandes modelos de IA, una posibilidad al alcance de muy pocas empresas.
Cuánta energía consume la IA generativa. El ingeniero jefe de inteligencia artificial generativa de Meta, Sergey Edunov, tiene una respuesta sorprendente: «solo hacen falta dos reactores nucleares» para cubrir la demanda.
Es una visión optimista de un problema que lleva preocupándonos varios años: la IA supercontaminante. Entrenar modelos de inteligencia artificial no incrementaría las emisiones de carbono si construyéramos una central nuclear con dos reactores exclusivamente para alimentarlas.
Energía nuclear para alimentar a la bestia. Meta no es la primera empresa que vincula energía nuclear con inteligencia artificial. Microsoft reveló en septiembre sus planes de desarrollar reactores de fisión nuclear para «para alimentar los centros de datos en los que residen Microsoft Cloud y su inteligencia artificial».
Microsoft también ha invertido en fusión nuclear. A principios de año, la empresa dirigida por Satya Nadella acordó comprar energía de fusión a Helion Energy, startup liderada por Sam Altman, si lograba arrancar sus ingeniosos reactores de fusión de aquí a 2028. Un trato más entre Nadella y Altman, pero tiene sentido. Al fin y al cabo, la propia IA nos está ayudando a superar los mayores desafíos de la fusión nuclear.
De dónde sale el cálculo de Meta. Sergey Edunov lidera el entrenamiento de Llama 2, el modelo de lenguaje de Meta que se ha convertido en uno de los más usados por su enfoque de código abierto. En una mesa redonda moderada por VentureBeat en Silicon Valley, Edunov puso sobre la mesa unas cuantas cifras:
«Nvidia lanzará entre un millón y dos millones de GPUs H100 el próximo año. Si todas esas GPUs se usaran para generar ‘tokens’ para modelos de lenguaje de tamaño razonable, sumarían alrededor de 100.000 tokens por persona al día en todo el planeta. Cada H100 consume unos 700 vatios; sumando refrigeración de los centros de datos, alrededor de 1 kW. No es tanto a escala humana, solo harían falta dos reactores nucleares para alimentar todas esas H100».
Entrenamiento de modelos vs. ‘inferencia’. Edunov hizo varias matizaciones. Su estimación no tiene en cuenta el entrenamiento de modelos, sino su ‘inferencia’, al proceso mediante el cual un modelo de IA ya entrenado aplica lo que ha aprendido para responder preguntas y peticiones.
El entrenamiento es mucho más costoso energéticamente que la inferencia, por lo que todos los grandes modelos tienen un corte de información (el último corte de ChatGPT es de abril de 2023, pero antes estuvo meses funcionando con información de 2021). Su cálculo por ‘tokens’ (unidades del lenguaje que los modelos de lenguaje son capaces de procesar) solo tiene en cuenta la capacidad de inferencia de IA generativa que Nvidia planea vender en 2024.
Un cálculo alternativo. «La inteligencia artificial necesitará próximamente tanta electricidad como un país entero», titulaba hace un mes el New York Times. El artículo se refería a un estudio que estima un consumo de 85 a 134 teravatios para 2027. Tanto como Argentina, Países Bajos o Suiza.
Un reactor nuclear tiene una capacidad de producción de unos 1000 megavatios hora. Menos de 9 teravatios-hora anuales, si funcionara sin parar.
La huella de carbono de la IA. De momento, el mundo no funciona como plantea Edunov. Las tarjetas gráficas que funcionan a destajo para que podamos charlar con una máquina o crear memes de Pixar no se alimentan exclusivamente de fuentes libres de carbono. Los centros de datos son los responsables directos del 1% de las emisiones de gases de efecto invernadero, y la situación se está agravando por culpa de la IA
Más regulación puede acelerar el cambio hacia el uso de energías sin emisiones. Una nueva ley del gobierno de California obliga a las grandes empresas tecnológicas, incluidas OpenAI y Google, a revelar su huella de carbono y la de su cadena de suministro antes de 2026. En Europa, la Comisión Europea plantea que los centros de datos sean neutros en carbono para 2030.
