En un momento de emergencia climática como el que vivimos, una de las cosas que más echamos de menos en la mayoría de recomendaciones sobre la utilización de sistemas de inteligencia artificial (IA) en educación es un análisis del impacto medioambiental de su uso. Este artículo pretende recopilar la evidencia con la que se cuenta en la actualidad para que, de manera informada y responsable, podamos tomar mejores decisiones sobre cuándo y cómo utilizar estos sistemas en el aula.

Algo que ya se sabe desde hace mucho tiempo es que entrenar a los sistemas de IA requiere ingentes cantidades de energía. Así, el equipo que construyó el sistema Bloom comunicó que para su entrenamiento necesitaron una cantidad de energía equivalente a la que consumen 30 hogares durante todo un año, y que se emitieron 25 toneladas de dióxido de carbono, que sería como dar la vuelta al mundo 5 veces conduciendo un coche. Se estima que las emisiones de carbono para el entrenamiento de sistemas como GPT4 pueden ser 20 veces mayores.

Bueno, pero una vez que el sistema ya está entrenado, utilizarlo consume mucha menos energía, ¿no?

Sí, efectivamente. Pero ahora ya contamos con estimaciones más precisas de su impacto:

Este estudio muestra que los sistemas que trabajan con imágenes son los más contaminantes. Generar una imagen con SDXL usa el equivalente de energía de una carga completa de un teléfono móvil y tiene unas emisiones de carbono equivalentes a conducir 6,4 Km. Y, ojo, porque en el estudio no se han considerado modelos que generan vídeo, que tienen un impacto mucho mayor. Además, la investigación muestra que utilizar modelos multipropósito para tareas de clasificación, por ejemplo, tiene un impacto 30 veces superior a utilizar un modelo entrenado específicamente para esta tarea. Pero quizá la conclusión más impactante del estudio es que ahora se cuenta con evidencia de que sistemas como ChatGPT, que es usado por 10 millones de usuarios cada día, consumen la cantidad de energía equivalente a su entrenamiento en unas 2 semanas. Y cuantos más usuarios y más peticiones diarias, evidentemente se acelera esta cifra.

Por otra parte hay que considerar que cuando usamos estos sistemas de IA a través de un servicio web (o una API), las peticiones se envían a través de internet a los centros de datos de las empresas, que es donde realmente se ejecutan las operaciones. Los ordenadores de estos centros de datos, al realizar las operaciones, se calientan y deben ser refrigerados. Estos procesos de refrigeración consumen inmensas cantidades de agua. Así, con el crecimiento de los sistemas de IA, el consumo de agua de Microsoft ha aumentado un 33% de 2021 a 2022, y el de Google un 20% en el último año.

Y aquí ni siquiera estamos considerando el proceso de fabricar las GPUs, que es el hardware que ejecuta las operaciones que realizan estos sistemas, un proceso que también tiene un impacto medioambiental muy grande. Para quien tenga interés en seguir profundizando en este tema, al final del artículo hemos dejado varias referencias muy relevantes. Además recomendamos este episodio de «Mistery AI Hype», que cuenta con dos de las investigadoras más importantes de este campo, Sasha Luccioni y Emma Strubel:

Entonces, ¿hay que demonizar a la IA por su impacto sobre el medioambiente y dejar de utilizarla?

Curiosamente, como afirma Carlos Santana en un hilo publicado hace unos días en Twitter, a pesar de todo lo discutido en este articulo los sistemas de IA están contribuyendo a descubrimientos y avances en la lucha contra el cambio climático con un gran impacto positivo. Así, se usan modelos de IA para reducir las necesidades de refrigeración de los centros de datos, para disminuir el coste energético en la fabricación de chips, o para minimizar el envío de datos a través de redes mejorando la compresión de información, entre otros muchos ejemplos que están mejorando procesos de una gran cantidad de campos de la industria para hacerlos más sostenibles y eficientes.

Uf, menos mal, ¿entonces ya nos podemos quedar tranquilos y usar sistemas de IA en el aula sin remordimientos?

Pues quizá tampoco esta sea la conclusión. Es evidente que si queremos aprender a utilizar un sistema hay que utilizarlo, por supuesto. Y en Programamos somos los primeros que en nuestro curso de IA y Educación recomendamos, por ejemplo, el uso de modelos generativos de imágenes para hacer actividades en clase.

Pero sí hay pequeños gestos y reflexiones que podemos hacer para reducir nuestra huella ambiental. Por ejemplo, ¿es necesario que todas las entradas de un blog tengan una imagen generada por IA? Desde Programamos hemos decidido que a partir de ahora en todos nuestros artículos usaremos imágenes y elementos gráficos de stock en lugar de generar una nueva imagen. Y de hecho, como gesto simbólico, hemos sustituido algunas imágenes generadas por IA de artículos antiguos.

En la misma línea, ¿es necesario que todas las publicaciones en redes sociales vayan acompañadas de una imagen generada por IA? O, por ejemplo, ¿qué impacto tienen los retos virales en los que se anima a generar una imagen nuestra en forma de Lego o de Funko, como hemos visto en redes en las últimas semanas?

Por otra parte, quizá también podamos recapacitar sobre el uso de modelos multimodales y multipropósito, como ChatGPT, para todo tipo de tareas. ¿No podríamos usar modelos especializados más pequeños y menos contaminantes para algunas tareas?

Pero, sobre todo, consideramos que es muy importante que esta cuestión sea tratada en el aula, para que el alumnado sea consciente del impacto de las herramientas que utiliza, con el objetivo de que aprenda a usarlas de manera responsable. Un recurso interesante para primaria y secundaria puede ser este cómic editado por UNESCO, cuyo cuarto capítulo permite introducir algunos aspectos relacionados con este tema (¡gracias a MásQCiencia por la recomendación!). Y, por supuesto, es fundamental que eduquemos con el ejemplo 🙂

Por último, pensando especialmente en clases de Bachillerato, FP o la Universidad , es posible realizar actividades muy interesantes y de forma muy asequible con soluciones como CodeCarbon, que permite calcular y rastrear las emisiones de carbono de nuestros ordenadores, cuantificando y analizando su impacto.

calculation Summary

 

Para saber más: