. La sostenibilidad se ha convertido en un imperativo estratégico para gobiernos, empresas y consumidores. Hasta hace poco hemos centrado nuestra atención en una parte de la cadena de valor de la tecnología como es el hardware o los centros de datos, que requiere un cambio en la infraestructura digital, para asegurar un despliegue sostenible de los mismos. Los algoritmos, piezas invisibles pero esenciales del software, también desempeñan un papel clave en el impacto ambiental de la tecnología. Así nace el concepto de "algoritmos verdes": soluciones informáticas diseñadas no solo para ser precisas o rápidas, sino también eficientes desde el punto de vista energético.
La Comisión Europea lanzó hace aproximadamente un mes el AI Continent Action Plan, con el que aspira a posicionar a Europa como líder mundial en inteligencia artificial mediante la instalación de cinco megafactorías de IA y el despliegue del plan InvestAI. Uno de los cinco pilares del plan es precisamente el refuerzo de la infraestructura digital, ya que sin una base física sólida —es decir, los centros de datos— no podrán alcanzarse las ambiciones europeas en materia de IA.
Los centros de datos que ejecutan modelos de IA requieren una cantidad significativa de energía. Según un informe de la Agencia Internacional de la Energía (IEA), los centros de datos globales consumen aproximadamente 200 teravatios-hora (TWh) anualmente, equivalente al consumo energético de países enteros como Argentina.
Un estudio realizado por la Universidad de Massachusetts Amherst en 2019 determinó que el entrenamiento de un solo modelo avanzado de IA, como GPT-3, puede consumir hasta 1.287 MWh de electricidad, lo que equivale a más de 600 toneladas de emisiones de CO₂. Estas cifras resaltan la necesidad de implementar estrategias de eficiencia energética y sostenibilidad en la IA.
Pero ¿Qué es un algoritmo verde?
Un algoritmo verde es un conjunto de instrucciones o procesos computacionales optimizados para consumir menos energía, reducir el uso de recursos computacionales y minimizar su huella de carbono. Estos algoritmos pueden operar con menor consumo de CPU, RAM o ciclos de procesamiento, y están diseñados para ofrecer resultados con un costo energético mínimo sin sacrificar la calidad de la respuesta o output.
El entrenamiento de modelos de IA no solo consume grandes cantidades de energía, sino también recursos de hardware avanzados, como unidades de procesamiento gráfico (GPU) y unidades de procesamiento tensorial (TPU). Estos componentes requieren materiales como tierras raras y metales escasos, cuyo proceso de extracción tiene un alto impacto ambiental.
¿Por qué importa?
La huella de carbono del sector digital es significativa. Según el informe de The Shift Project (2023), las tecnologías digitales representan aproximadamente el 4% de las emisiones globales de gases de efecto invernadero, y este porcentaje crece anualmente. El entrenamiento de grandes modelos de IA, por ejemplo, puede emitir más de 300 toneladas de CO₂, el equivalente a las emisiones de cinco coches durante toda su vida útil. En este contexto, la eficiencia algorítmica se convierte en un reto para la sostenibilidad digital.
¿Qué medidas podemos implementar para reducir el consumo energético en el desarrollo de modelos de IA?
Las medidas son diversas y pasan por un cambio en el comportamiento y utilización de la tecnología en toda la cadena de valor que va desde el uso de energía renovable en centros de datos para reducir las emisiones de carbono, integración de hidrógeno como fuente de energía en los centros de datos, optimización de modelos para disminuir el consumo computacional sin afectar la precisión, desarrollo de técnicas de entrenamiento más eficientes, como el uso de redes neuronales compactas, aprendizaje federado y transferencia de aprendizaje para evitar entrenamientos desde cero, entre otras.
El crecimiento de la IA y la creciente necesidad de implementar edge computing (procesamiento de datos cerca de su origen para reducir la latencia) están impulsando una triplicación de la capacidad de los centros de datos en Europa en los próximos 7 años. Sin embargo, la infraestructura energética actual de Europa (generación y transmisión - especialmente transmisión) no puede seguir el ritmo de este crecimiento de manera sostenible. Y es en este punto donde se nos plantea un gran reto en el que todos los actores tenemos y debemos trabajar de manera conjunta.
Desde hace unos meses, estamos trabajando en el Programa Nacional de Algoritmos Verdes (PNAV), una iniciativa que forma parte de la Estrategia Nacional de Inteligencia Artificial (ENIA), diseñada para impulsar el desarrollo de tecnologías sostenibles que contribuyan a la transición ecológica y la reducción de la huella de carbono junto con el Ministerio de Transición Digital, la Asociación Española para la Normalización (UNE), Centros de Investigación y empresas privadas españolas como QALEON, en el que abordamos la ética en la inteligencia artificial, enfatizando la importancia de la transparencia, la responsabilidad y la explicabilidad en los procesos de toma de decisiones de la IA, con el objetivo de desarrollar sistemas de IA que prioricen la sostenibilidad a largo plazo, equilibrando las capacidades transformadoras de la IA con la mitigación de sus posibles efectos ambientales adversos.
La adopción de algoritmos verdes no es solo una tendencia tecnológica, sino una necesidad estratégica para alcanzar los objetivos de sostenibilidad global. El avance de la computación cuántica, el edge computing y la IA distribuida exige una nueva generación de algoritmos aún más eficientes. Las universidades, como la de Cambridge y el MIT, ya están desarrollando frameworks de evaluación energética para comparar algoritmos según su coste ecológico.
La transformación digital debe ir de la mano de la responsabilidad a todos los niveles, incluyendo la ambiental. Los algoritmos verdes representan una vía poderosa y aún poco explorada para reducir la huella de carbono del software y hacer que el progreso tecnológico sea verdaderamente sostenible.
Artículos relacionados:
-Cómo transformar con IA proyectos de sostenibilidad en éxitos escalables, Sandra Asenjo
- El rol de la inteligencia artificial en la formación de una conciencia global, Sergio Ramírez
- Inteligencia Artificial para la preservación de la biodiversidad, José Ruiz Rojas
- Gobernanza de datos en la era digital: retos éticos y sociales, María Arribas
- El impacto de la inteligencia artificial en la gestión de residuos y reciclaje, Sergio Ramirez
