fbpx

¿Te gusta generar imágenes con IA?: Impacto energético es comparable al de cargar un teléfono móvil

Un estudio reciente de Hugging Face y Carnegie Mellon University revela el impacto energético de diferentes tareas de inteligencia artificial, con énfasis en la generación de imágenes y texto.
Leonardo Zúñiga - Editor
4 Min de Lectura
Huella de Carbono de la IA Energia
Estudio Revela la Huella de Carbono de las Tareas de Inteligencia Artificial

La inteligencia artificial (IA) ha emergido como una herramienta transformadora en numerosos campos, impulsando innovaciones y simplificando tareas complejas. Sin embargo, este progreso tecnológico tiene un costo oculto: su impacto ambiental significativo. Un estudio conjunto de Hugging Face y Carnegie Mellon University arroja luz sobre la huella de carbono de distintos modelos de IA, un aspecto crucial para comprender cómo nuestras elecciones tecnológicas afectan el planeta​​.

Este estudio pionero se enfocó en evaluar el consumo energético y las emisiones de CO2 de la IA. Analizando diez tareas comunes de IA y utilizando 88 modelos diferentes, los investigadores aplicaron una herramienta llamada Code Carbon para medir la energía consumida por los ordenadores al ejecutar estos modelos. Esta metodología proporcionó una visión detallada del impacto ambiental de la IA en el uso diario.

Uno de los hallazgos más notables de la investigación fue que la generación de imágenes es particularmente intensiva en energía. Por ejemplo, generar mil imágenes con un modelo de IA avanzado como el Stable Diffusion XL tiene un impacto de carbono equivalente a conducir aproximadamente 6.5 kilómetros en un automóvil de gasolina. En contraste, la generación de texto es mucho menos demandante energéticamente, consumiendo solo un 16% de la energía necesaria para cargar completamente un teléfono móvil. Estos resultados subrayan las diferencias significativas en el consumo energético entre distintas funciones de IA​​.

El estudio también resalta que las emisiones de carbono asociadas con la operación diaria de modelos de IA pueden superar las emisiones generadas durante su fase de entrenamiento. Por ejemplo, la huella de carbono de utilizar un modelo popular como ChatGPT puede exceder la generada en su entrenamiento en cuestión de semanas debido a su uso intensivo, destacando la importancia de considerar tanto la eficiencia como el impacto ambiental a largo plazo de estos modelos​​.

Impacto energético de la IA
Un estudio reciente de Hugging Face y Carnegie Mellon University destaca el impacto energético de diferentes tareas de inteligencia artificial, con énfasis en la generación de imágenes y texto.

 

Otra área de interés es la elección entre modelos generativos y especializados. Los modelos generativos, que pueden realizar múltiples tareas, tienden a ser más intensivos en energía que los modelos especializados en tareas concretas. Por ejemplo, un modelo generativo utilizado para clasificar reseñas de películas puede consumir hasta 30 veces más energía que un modelo específicamente diseñado para esa tarea, lo que indica la necesidad de priorizar modelos más especializados y eficientes en consumo energético​​.

Finalmente, el informe destaca la responsabilidad compartida en la reducción de la huella de carbono de la IA. Por un lado, las empresas desarrolladoras deben ser conscientes del impacto ambiental de sus productos y buscar formas de minimizar su consumo energético. Por otro lado, los consumidores deben estar informados sobre el impacto ambiental de las tecnologías que utilizan, lo que les permite tomar decisiones más responsables. La conciencia colectiva es esencial para dirigir el desarrollo y uso de la IA hacia un camino más sostenible​​.

Compartir esta Noticia