La inteligencia artificial multiplicará por 1.000 los residuos electrónicos esta década | Tecnología
Gigantes tecnológicos como Google, Microsoft o Meta están inmersos en una carrera frenética por desarrollar cada vez más herramientas basadas en inteligencia artificial (IA) generativa. Esa competencia está dejando su huella en el planeta. Entrenar y mantener estos modelos sofisticados requiere una enorme potencia computacional que funcione las 24 horas del día en los centros de datos. Esto ha disparado el consumo energético de estas infraestructuras, así como sus emisiones de carbono asociadas y el uso de agua, utilizada para enfriar los sistemas. Pero la huella medioambiental de la IA generativa no termina ahí. Los equipos utilizados en los centros de datos en los que se cuece esta tecnología deben renovarse continuamente, y esto produce una gran cantidad de residuos digitales, incluidos metales altamente tóxicos, como el plomo o el cromo. Un grupo de científicos ha hecho cálculos y su conclusión es alarmante: si no se toman medidas para reducir los residuos electrónicos asociados a la IA generativa, se multiplicarán por 1.000 en 2030, alcanzando entre 1,2 y 5 millones de toneladas.
La investigación, cuyos resultados se publican hoy en la revista Ciencia Computacional de la Naturalezaquiere contribuir a encontrar una manera de reducir los residuos electrónicos asociados con la IA generativa, en particular los modelos de lenguaje grande (LLM) como ChatGPT, Copilot, Gemini, Claude o Llama. “Soy bastante optimista sobre la posibilidad de promover estrategias de economía circular entre los principales actores involucrados en la IA generativa”, dice a este diario Peng Wang, investigador del Instituto de Medio Ambiente Urbano de la Academia China de Ciencias, en Xiamen. y uno de los autores del estudio. “Sin embargo, tengo profundas preocupaciones sobre la competencia entre la tasa de expansión de la IA generativa y la adopción de la economía circular. Dado el aumento sin precedentes de la demanda de esta tecnología, para ganar esta batalla se deberían implementar medidas de choque de manera inminente”, añade.
Wang y sus colegas tomaron como referencia para sus cálculos el servidor Nvidia DGX H100 de ocho GPU de 2023. Es, hoy, el hardware referencia en el procesamiento de IA, que requiere de equipos mucho más potentes que los utilizados en el resto de programas que se ejecutan online. Los autores del estudio han construido cuatro escenarios futuros para estimar la evolución de la IA generativa, y su demanda asociada de procesamiento de datos, entre 2020 y 2030. El primero considera una expansión limitada de la industria de chips y la fabricación relacionada. IA generativa. Cifra el crecimiento en un 41%, el mismo que el experimentado entre 2022 y 2023, al entender que es imposible que el ritmo sea menor porque desde entonces se han anunciado o presentado versiones mejoradas de varios de los modelos más utilizados.
Los siguientes tres escenarios son el conservador (+85%), que se basa en las cifras de crecimiento cosechadas por los asistentes de voz tipo Alexa; los moderados (+115%), inspirados en los números de TikTok; y el agresivo (+136%). Para este último, se ha considerado que los grandes modelos de lenguaje se convierten en “una herramienta omnipresente en la vida diaria de las personas”, tomando como referencia el ritmo de crecimiento de Facebook, “una plataforma utilizada literalmente por todos”.
Según sus cálculos, la generación de residuos pasaría de las 2.600 toneladas registradas en 2023 a entre 0,4 y 2,5 millones de toneladas en 2030, es decir, hasta 1.000 veces mayor. Ese volumen de residuos equivaldría a desechar entre 2.100 y 13.300 millones de iPhone 15 Pro. O lo que es lo mismo, entre 0,2 y 1,6 teléfonos por ser humano ese año. La estimación supone que no se implementarán medidas para reducir los residuos digitales durante la década actual. En términos comparativos, todos los residuos en 2022 relacionados con equipos de tecnología de la información, como ordenadores portátiles o tabletas, ascendieron a 4,6 millones de toneladas. Se estima que para 2030 podrían ser 43,2 millones de toneladas.
Las proyecciones de Peng y sus compañeros no han tenido en cuenta algo que, como ellos mismos destacan, podría agravar la situación: las restricciones a la importación de semiconductores, considerados productos clave desde el punto de vista geoestratégico. Ese bloqueo podría impedir que muchos países se beneficien de mejoras continuas en la eficiencia de los chips. Y eso tiene su peso: el análisis de los investigadores concluye que un año de retraso en la obtención de semiconductores de última generación puede suponer un aumento del 14% en la generación de servidores de IA generativa que lleguen al final de su vida útil. En términos absolutos, ese año de retraso supondría 5,7 millones de toneladas adicionales de residuos. Dado que los centros de datos dedicados a la IA están bastante concentrados geográficamente, los residuos digitales se concentrarán en Europa (14%), Asia Oriental (25%) y América del Norte (58%), aunque la mayor parte acabará enviándose a África y Asia. .
¿Son razonables las proyecciones hechas por Wang y sus colegas? “Creo que sí, pero me da la impresión de que la acumulación de decisiones que simplifican el modelo (necesarias, porque de lo contrario el análisis no sería viable) añade mucha incertidumbre a los resultados y conclusiones. Por tanto, es importante tomar estos resultados con mucha cautela”, afirma Álex Hernández, investigador principal del Instituto Quebec de Inteligencia Artificial (MILA), institución que tiene entre sus filas a Yoshua Bengio, considerado uno de los padrinos de las redes neuronales. Hernández también piensa que el hecho de que los cuatro escenarios presentados no incluyan un análisis de su probabilidad, o al menos de su viabilidad, hace que el estudio sea menos criticable, pero también menos relevante.
“Aunque predecir el desarrollo futuro de la hardware «Es difícil, considero que la previsión del documento es un indicador razonable de los residuos electrónicos que probablemente generará la IA generativa», afirma Shaolei Ren, profesor asociado de Ingeniería Eléctrica e Informática de la Universidad de California en Riverside (Estados Unidos). , en declaraciones al servicio SMC España.
Hacer
Ante esta situación, los autores examinan varias estrategias de economía circular para intentar limitar la generación de residuos. Lo más efectivo, lógicamente, es aumentar la vida útil del hardware. Los números del equipo de científicos revelan que el 62% de los servidores de IA que se desechan cada año (3,1 millones de toneladas) podrían mantenerse si se aumentara su vida útil en un año, lo que, según los autores, suele ser de tres. “Según mi propia investigación, las GPU tienen un ciclo de vida de entre tres y cinco años. Es decir, los centros de datos dedicados a la IA renuevan todos sus chips cada cuatro años o antes”, afirma Ana Valdivia, profesora de Inteligencia Artificial, Gobierno y Política en el Instituto de Internet de la Universidad de Oxford. El ingeniero, que no ha participado en este estudio, investiga los residuos electrónicos.
Reutilizar algunas partes de los procesadores GPU (los que se utilizan en el entrenamiento de modelos de IA), como módulos de comunicación, memoria o batería, podría reducir los residuos electrónicos en un 42% (2,1 millones de toneladas). Valdivia no ve claro que eso sea factible. “Las GPU no se pueden insertar en una economía circular porque es muy caro reciclar sus componentes, algo que no veo discutido en el artículo (de Wang y sus colegas). El 100% de una GPU acaba incinerada o en un vertedero”, afirma el experto.
Los equipos utilizados en los centros de datos se componen de tres elementos principales, según el estudio: circuitos con semiconductores, baterías y partes estructurales. Cuando se desechan, quedan materiales tóxicos, desde plomo y cromo hasta acrilonitrilo o policarbonatos, pero también metales preciosos, como oro, plata, platino, níquel o paladio. Si se reciclan adecuadamente, estos materiales podrían valer entre 14.000 y 28.000 millones de dólares, estiman Wang y su equipo.
Sin embargo, el estudio podría haber sido más sutil. “Me llama la atención que queden excluidos del análisis los dispositivos de refrigeración de servidores, cuando juegan un papel fundamental en este tipo de dispositivos y además representan una gran cantidad del material físico de los servidores”, afirma Hernández.