¿Es la IA la próxima gran amenaza del cambio climático? no tenemos ni idea

Centro de datos Decano Mouhtaropoulos | Getty

En una conferencia reciente en San Francisco, Gary Dickerson subió al escenario e hizo una predicción audaz. El director ejecutivo de Applied Materials, que es un gran proveedor de la industria de semiconductores, advirtió que, en ausencia de una innovación significativa en materiales, fabricación y diseño de chips, las cargas de trabajo de IA de los centros de datos podrían representar una décima parte del uso mundial de electricidad para 2025. .

En la actualidad, los millones de centros de datos de todo el mundo absorben un poco menos del 2 %, y esa estadística abarca todo tipo de cargas de trabajo que se manejan en sus amplias matrices de servidores. Applied Materials estima que los servidores que ejecutan IA actualmente representan solo el 0,1% del consumo mundial de electricidad.

Otros ejecutivos de tecnología también están haciendo sonar la alarma. Anders Andrae de Huawei cree que los centros de datos podrían terminar consumiendo una décima parte de la electricidad del mundo para 2025. aunque su estimación cubre todos sus usos, no solo la IA .

Jonathan Koomey, asesor especial del científico principal de Instituto de las Montañas Rocosas , es más optimista. Él espera que el consumo de energía del centro de datos se mantenga relativamente plano durante los próximos años, a pesar de un aumento en la actividad relacionada con la IA.

Estas predicciones ampliamente divergentes resaltan la incertidumbre en torno al impacto de la IA en el futuro de la computación a gran escala y las implicaciones finales para la demanda de energía.

Imágenes más grandes

La IA ciertamente tiene hambre de poder. Entrenar y ejecutar cosas como modelos de aprendizaje profundo implica analizar grandes cantidades de datos, lo que pone a prueba la memoria y los procesadores. Un estudio del grupo de investigación OpenAI dice que la cantidad de poder de cómputo necesarios para impulsar grandes modelos de IA ya se duplica cada tres meses y medio.

El pronóstico de Applied Materials es, por su propia admisión, el peor de los casos diseñado para resaltar lo que podría suceder en ausencia de un nuevo pensamiento en hardware y software. Sundeep Bajikar, jefe de estrategia corporativa e inteligencia de mercado de la compañía, dice que supone que habrá un cambio con el tiempo en la combinación de información que se usa para entrenar modelos de IA, con videos y otras imágenes que representan un porcentaje creciente del total en relación con información de texto y audio. Los datos visuales son más intensivos desde el punto de vista computacional y, por lo tanto, requieren más energía.

También habrá más información para que los modelos crujen gracias al auge de cosas como vehículos autónomos y sensores integrados en otros dispositivos inteligentes. Y la expansión de la conectividad inalámbrica 5G súper rápida hará que sea aún más fácil transferir datos hacia y desde los centros de datos.

Bajikar dice que estas y otras tendencias subrayan la necesidad urgente de lo que su compañía llama un nuevo libro de jugadas en materiales y fabricación para la era de la IA. Algunos investigadores piensan que la sed de poder de la IA podría incluso convertirse en un gran dolor de cabeza ambiental: un equipo de la Universidad de Massachusetts, Amherst, publicó recientemente un estudio que muestra que entrenar varios modelos de IA populares y grandes produce casi cinco veces las emisiones de por vida del estadounidense promedio. carro.

Apostando por lo básico

Pero los pronósticos pesimistas ignoran varios desarrollos importantes que podrían limitar el poder de la IA. Uno de ellos es el auge de los centros de datos a hiperescala promovidos por empresas como Facebook y Amazon.

Estos utilizan una gran variedad de servidores básicos adaptados para tareas específicas. Las máquinas son más eficientes desde el punto de vista energético que los servidores de los centros convencionales que tienen que hacer malabarismos con una gama más amplia de funciones. Un cambio continuo a la hiperescala, junto con los avances en refrigeración y otras tecnologías, es una de las principales razones por las que el consumo de energía de los nuevos centros de datos se ha cancelado básicamente por las mejoras de eficiencia en los últimos años.

Los nuevos tipos de microchips también ayudarán. El pronóstico de Applied Materials asume que las cargas de trabajo de IA continuarán ejecutándose en el hardware existente cuya eficiencia mejora gradualmente en los próximos años. Pero una gran cantidad de nuevas empresas, así como grandes empresas como Intel y AMD, están desarrollando semiconductores que aprovechan tecnologías como la fotónica para alimentar redes neuronales y otras herramientas de inteligencia artificial que utilizan mucha menos energía.

Koomey dice que las proyecciones alarmistas también ignoran el hecho de que para algunos tipos de tareas de IA, como el reconocimiento de patrones, los resultados aproximados de los modelos son suficientes. Eso significa que no es necesario gastar energía calculando resultados con cientos de decimales.

Irónicamente, el mayor control sobre el consumo de energía de la IA podría ser la propia IA. Google ya está utilizando tecnología desarrollada por DeepMind, una empresa que adquirió en 2014, para enfriar sus centros de datos de manera más eficiente. La IA ya había ayudado a la empresa a reducir su factura de refrigeración en un 40 % al hacer recomendaciones a los operadores humanos; ahora está ejecutando de manera efectiva los sistemas de enfriamiento en los centros por sí mismo.

La IA también se utilizará para optimizar otros aspectos de las operaciones de los centros de datos. Y, al igual que la victoria en refrigeración de Google, esto beneficiará a todo tipo de cargas de trabajo. Eso no significa que los centros de datos no terminarán consumiendo mucha más energía debido a la creciente demanda de la magia de la IA, pero es otra razón por la que hacer pronósticos aquí es tan difícil.

esconder