¿Qué impacto tiene la IA en los centros de datos y en la sostenibilidad?

La eclosión de la inteligencia artificial (IA) generativa dando mucho que hablar en los últimos meses.

Las herramientas apoyadas en esta tecnología están en boca de todos y nos encontramos con noticias como la prohibición de ChaptGPT en Italia, la investigación de esta plataforma por parte de la Agencia Española de Protección de Datos o la petición de Elon Musk y otros empresarios y expertos del sector tecnológicos de pausar el desarrollo de la IA durante 6 meses para analizar sus riesgos y repensar hacia dónde queremos ir.

Otra derivada del desarrollo de la IA es el aumento de las necesidades de capacidad de computación y de transmisión de datos. “Con el desarrollo de la IA, el volumen de datos que se utiliza se ha multiplicado exponencialmente. Cada vez es más importante la capacidad de obtener resultados en tiempo real, por lo que es vital contar con una red de infraestructuras con una capilaridad suficiente para enviar, recibir y procesar esos datos cerca del lugar de emisión y con mínima latencia”, declara Ramón Cano, director de Managed Services de Equinix en España.

Así pues, Matías Sosa, product marketing manager de OVHcloud, considera que “estamos ante una situación que nos plantea tres retos principales”. “En primer lugar, debemos tener en cuenta que la velocidad y la latencia de la conexión a internet son factores cruciales en la transmisión de grandes cantidades de datos. Sin embargo, la infraestructura de red aún no está lo suficientemente desarrollada en muchas partes del mundo para satisfacer todas las demandas de transmisión de datos que implica la inteligencia artificial”, explica.

En segundo lugar, señala que “el hardware necesario para la IA, como los procesadores gráficos de alto rendimiento, es relativamente costoso hoy en día y su demanda sigue en aumento”. Además, reseña “una posible escasez de suministro podría llegar a suponer un problema añadido”.

Finalmente, indica que “el consumo de energía de la IA plantea un desafío significativo para nuestras sociedades”. “A medida que la demanda de capacidad de cómputo continúe aumentando, la necesidad de energía también aumentará, lo cual no solo tendrá implicaciones a nivel de costes, sino también en términos de impacto medioambiental”.

Igualmente, Federico Vadillo, experto en seguridad de Akamai, considera que “la creciente demanda de recursos informáticos y la complejidad de las aplicaciones de IA pueden llevar a un aumento en los costos de infraestructura y energía”. Además, reconoce que “el aumento en la cantidad de datos que se deben transmitir puede llevar a problemas de congestión de la red y seguridad”.

Por su parte, José Antonio Pinilla, CEO de Asseco Spain, afirma que “mientras que los modelos de IA sigan avanzando y su uso aumente, el reto será mantener una capacidad de computación suficiente para respaldarlos”. De hecho, reseña que “ya se habla de que la falta de potencia de cálculo es un obstáculo para el desarrollo de la IA”. “La clave será recurrir a superordenadores, a nuevas arquitecturas de hardware o, directamente, invertir en infraestructura de computación en la nube y en centros de datos”, añade.

Respuesta de la industria

El auge de la IA plantea muchos retos, pero la industria ya está dando respuesta . “El ‘boom’ de la IA ciertamente ha llevado a un aumento significativo en las necesidades de capacidad de computación y transmisión de datos. Para hacer frente a estas necesidades, la industria tecnológica ha estado trabajando en la mejora y el desarrollo de nuevas tecnologías, infraestructuras y servicios”, afirma Vadillo.

“En términos de capacidad de computación, se han desarrollado y comercializado nuevas unidades de procesamiento gráfico (GPU) y unidades de procesamiento tensorial (TPU) que son especialmente diseñadas para la aceleración del aprendizaje profundo y de otras aplicaciones de IA. Además, se han desarrollado y mejorado los servicios de computación en la nube, que permiten a las empresas y a los usuarios acceder a recursos informáticos escalables y flexibles, sin necesidad de invertir en infraestructura propia”, especifica.

En cuanto a la transmisión de datos, remarca que “las empresas de telecomunicaciones han estado mejorando y ampliando sus redes de banda ancha y han estado invirtiendo en nuevas tecnologías, como el 5G, para ofrecer velocidades de transmisión más rápidas y capacidad de respuesta”.

Además, recuerda que “se están desarrollando nuevas tecnologías, como la computación en la niebla (fog computing), que permite procesar datos en la periferia de la red, lo que reduce la cantidad de datos que se deben transmitir a través de la red central”.

Crecimiento exponencial de las necesidades

Las exigencias que comporta el desarrollo de la IA son muy grandes. “En lo que respecta a las necesidades de computación, OpenAI estimó ya en 2018 un crecimiento exponencial de los recursos para el entrenamiento de grandes modelos, duplicando los recursos cada 3 o 4 meses, y no cada dos años como nos tenía acostumbrados la ‘Ley de Moore’. En consecuencia, nos encontramos en un mercado tensionado, que necesita seguir entrenando modelos con un alto consumo de recursos y que demanda más potencia en menos tiempo”, especifica el product marketing manager de OVHcloud.

En cuanto al tráfico de datos, Sosa cita un estudio de Cisco, el cual apunta que “podría llegar a cuadriplicarse en los próximos cinco años”. “Si bien es verdad que en parte se debe al desarrollo del IoT y el aumento de dispositivos conectados a internet, también el crecimiento de datos generados por y para modelos de IA podría tener un impacto considerable en el tráfico, lo que posiblemente provocará un aumento en las inversiones de tecnologías y despliegues de red a nivel mundial”, puntualiza.

Asimismo, el responsable de Akamai apunta que “algunos estudios sugieren que la demanda de capacidad de computación y transmisión de datos para aplicaciones de IA podría aumentar de manera significativa en los próximos años”. “Según un informe de McKinsey Global Institute, se espera que el tráfico de datos aumente en un 45% anualmente hasta el año 2025, impulsado en gran parte por la creciente adopción de la IA. Además, se espera que la demanda de capacidad de computación para aplicaciones de IA aumente a una tasa compuesta anual del 25-30% en los próximos cinco años”.

Además, Pinilla subraya que “el hardware está representando un cuello de botella para el desarrollo de la IA y para suplir esa necesidad de computación y tráfico de datos”. “Los chips informáticos tradicionales, o unidades centrales de procesamiento (CPU), no están bien optimizados para las cargas de trabajo de la IA. Esto se traduce en una reducción del rendimiento y un aumento del consumo de energía. Por ejemplo, el modelo GPT-3, uno de los más grandes jamás creados, cuenta con 175.000 millones de parámetros y, según un trabajo de investigación realizado por Nvidia y Microsoft Research, aunque sean capaces de ajustar el modelo en una sola GPU, el elevado número de operaciones de cálculo necesarias puede dar lugar a tiempos de entrenamiento excesivamente largos. Así pues, se calcula que el GPT-3 tardaría 288 años en una sola GPU Nvidia V100”, detalla.

En cualquier caso, Vadillo advierte que “estas estimaciones pueden variar dependiendo de factores como la tasa de adopción de la IA, la eficiencia energética de la tecnología de computación y la disponibilidad de recursos informáticos escalables”.

Impacto medioambiental

El aumento de los requerimientos necesarios para el desarrollo de la IA también puede tener repercusiones desde el punto de vista medioambiental.

“Si no están diseñados eficientemente por las empresas, los modelos de IA pueden consumir mucha energía, al tener que procesar volúmenes masivos de datos o ejecutar numerosas iteraciones en los datos para garantizar la precisión y la importancia estadística en los resultados del modelo”, comenta el responsable de Equinix.

Según indica Bloomberg, entrenar un modelo de IA puede consumir más electricidad que 100 hogares. Por ejemplo, el entrenamiento de GPT-3 requirió 1.287 gigavatios-hora, según una investigación publicada en 2021. Esto es casi tanta electricidad como la que consumen 120 hogares, ya que una vivienda gasta aproximadamente 10 gigavatios-hora.

“Según la Agencia Internacional de la Energía, se estima que, en 2030, los centros de datos consumirán por sí solos 1.200 teravatios por hora de electricidad al año, lo que equivale al consumo total de electricidad de Japón y Alemania juntos”, puntualiza el CEO de Asseco Spain.

Igualmente, Vadillo apunta que “se estima que el consumo de energía por parte de los centros de datos en todo el mundo podría aumentar en un 30% en la próxima década”, con las emisiones de gases de efecto invernadero que esto supone. “La generación de energía es una de las principales fuentes de emisiones de gases de efecto invernadero, por lo que el aumento del consumo de energía por parte de los sistemas de IA podría aumentar las emisiones de CO₂. Según algunos estudios, las emisiones de CO₂ asociadas con el uso de la IA podrían alcanzar las 4 gigatoneladas para el año 2030”, reseña.

Asimismo, Pinilla anota que “un estudio de la Universidad de Massachusetts señala que la huella de carbono del entrenamiento de un modelo de IA equivale a las emisiones durante la vida útil de cinco coches”.

El experto de Akamai también habla de otras consecuencias indeseadas, como el aumento del consumo hídrico. “Los centros de datos necesitan grandes cantidades de agua para su enfriamiento, lo que puede tener un impacto significativo en los recursos hídricos locales. Además, la escasez de agua puede limitar la ubicación de los centros de datos en algunas áreas geográficas”.

Además, la extracción de materias primas puede suponer otro problema. “La producción de equipos electrónicos y otros componentes para los sistemas de IA requiere la extracción de materias primas como metales y minerales, lo que puede tener un impacto significativo en el medio ambiente”, afirma Vadillo.

Por último, considera que el auge de la IA podría incidir en el crecimiento de los residuos electrónicos. “La rápida obsolescencia de los equipos electrónicos y la necesidad de actualizar constantemente los sistemas de IA pueden generar grandes cantidades de residuos electrónicos, que pueden ser difíciles de gestionar y pueden tener un impacto significativo en el medio ambiente”.

Adoptar un enfoque responsable

La industria tecnológica es consciente de estos retos y sabe que ha de actuar consecuentemente. “Es muy importante pensar en la estrategia de sostenibilidad y adoptar un enfoque responsable de la IA”, comenta el responsable de Equinix.

Igualmente, Clarisa Martínez, directora del Centro de Excelencia de datos, analítica e IA de Capgemini España, recalca que “es muy importante medir y hacer seguimiento, con datos más rápidos y precisos, sobre la huella de carbono y los impactos en la sostenibilidad; calcular la huella de carbono de los modelos de IA; desarrollar arquitecturas machine learning eficientes y sistemas optimizados para entrenamiento; y aumentar la transparencia, incluyendo mediciones de emisión, junto métricas de rendimiento y precisión”.

Además, el responsable de Akamai indica que debemos enfocarnos en “fomentar la eficiencia energética, la utilización de tecnologías más limpias, el reciclaje y la gestión adecuada de residuos, la investigación y el desarrollo y la implementación de políticas y regulaciones más sostenibles.

Así pues, señala que “se pueden aplicar medidas para mejorar la eficiencia energética de los centros de datos y de los sistemas de IA en sí mismos, como el uso de energías renovables y la mejora del diseño y la refrigeración de los equipos”. Igualmente, Cano apunta que los data centers “tienen que maximizar su eficiencia en términos de PUE (Power Usage Effectiveness), consumo de agua y otros elementos” para hacer frente al boom de la IA.

Del mismo modo, Pinilla hace hincapié en el uso de “el uso de energías renovables como la eólica o la solar, la utilización de agua reutilizada y la mejora de los procesos de enfriamiento y del hardware desde un punto de vista energético” como medidas para aumentar la eficiencia energética y reducir las emisiones de gases de efecto invernadero.

Vadillo también apunta que “se pueden utilizar tecnologías más limpias en la producción de equipos electrónicos, reduciendo la extracción de materias primas y utilizando materiales más sostenibles”.

Además, insiste en que “se debe fomentar el reciclaje y la gestión adecuada de los residuos electrónicos, mediante el establecimiento de programas de reciclaje y la promoción de prácticas de reutilización y reparación de equipos”.

Por otro lado, defiende que “se puede fomentar la investigación y el desarrollo de nuevas tecnologías de IA que sean más eficientes en términos energéticos y que utilicen materiales y recursos más sostenibles”.

El CEO de Asseco también habla de la necesidad de “optimizar los algoritmos para que el procesamiento de datos requiera menos energía”, así como “investigar y desarrollar tecnologías de IA más avanzadas, que contemplen la sostenibilidad desde un inicio e intenten reducir su consumo energético e hídrico y la generación de huella de carbono”.

En esa misma dirección, Cano considera que “los equipos de ciencia de datos de las empresas deben esforzarse por diseñar modelos de IA que sean lo más limpios y eficientes posibles”. Por ejemplo, señala que “una buena manera de limitar la huella de carbono de los modelos de IA es identificar formas de utilizar sólo los datos necesarios que sean más relevantes, sin comprometer la calidad del modelo”.

Finalmente, el experto de Akamai pone el acento en que “los responsables políticos pueden establecer políticas y regulaciones que fomenten la adopción de prácticas más sostenibles en la industria de la IA, como incentivos para la adopción de energías renovables, la implementación de normativas para la gestión adecuada de residuos electrónicos y la promoción de prácticas más sostenibles en la producción y el diseño de equipos electrónicos”.