Gigantes tecnol\u00f3gicos como Google, Microsoft o Meta est\u00e1n inmersos en una fren\u00e9tica carrera por desarrollar m\u00e1s y m\u00e1s herramientas basadas en inteligencia artificial (IA) generativa. Esa competici\u00f3n est\u00e1 dejando su huella en el planeta. El entrenamiento y mantenimiento de estos sofisticados modelos requiere de un gigantesco poder computacional funcionando las 24 horas en los centros de datos. Eso ha disparado el consumo energ\u00e9tico de estas infraestructuras, as\u00ed como sus emisiones de carbono asociadas y el gasto de agua, empleada para refrigerar los sistemas. Pero la huella ambiental de la IA generativa no acaba aqu\u00ed. Los equipos usados en los centros de datos en los que se cocina esta tecnolog\u00eda hay que renovarlos continuamente, y eso produce una gran cantidad de residuos digitales, incluyendo metales altamente t\u00f3xicos, como el plomo o el cromo. Un grupo de cient\u00edficos ha hecho c\u00e1lculos y su conclusi\u00f3n es alarmante: si no se toman medidas para reducir la basura electr\u00f3nica asociada a la IA generativa, esta se multiplicar\u00e1 por 1.000 hasta 2030, alcanzando entre 1,2 y 5 millones de toneladas.<\/p>\n
La investigaci\u00f3n, cuyos resultados se publican hoy en la revista Nature Computational Science<\/em>, quiere contribuir a encontrar la forma de reducir la basura electr\u00f3nica asociada a la IA generativa, en particular a los grandes modelos de lenguaje (LLM) como ChatGPT, Copilot, Gemini, Claude o Llama. \u201cSoy bastante optimista respecto a la posibilidad de impulsar estrategias de econom\u00eda circular entre los principales actores implicados en la IA generativa\u201d, asegura a este peri\u00f3dico Peng Wang, investigador del Instituto de Medio Ambiente Urbano de la Academia China de las Ciencias, en Xiamen, y uno de los autores del estudio. \u201cSin embargo, tengo una profunda preocupaci\u00f3n en cuanto a la competencia entre la tasa de expansi\u00f3n de la IA generativa y la adopci\u00f3n de la econom\u00eda circular. Dado el aumento sin precedentes de la demanda de esta tecnolog\u00eda, para ganar esta batalla, las medidas de choque deber\u00edan implementarse de manera inminente\u201d, a\u00f1ade.<\/p>\n Wang y sus colegas tomaron como referencia para sus c\u00e1lculos el servidor de ocho unidades GPU Nvidia DGX H100, de 2023. Es, hoy por hoy, el hardware<\/em> de referencia en el procesamiento de IA, que necesita equipos mucho m\u00e1s potentes que los empleados en el resto de programas que se ejecutan online. Los autores del estudio han construido cuatro escenarios de futuro para estimar la evoluci\u00f3n de la IA generativa, y su demanda asociada de procesamiento de datos, entre 2020 y 2030. El primero considera una expansi\u00f3n limitada de la industria de los chips y las manufacturas relacionadas con la IA generativa. Sit\u00faa el crecimiento en el 41%, el mismo que se experiment\u00f3 entre 2022 y 2023, entendiendo que es imposible que el ritmo sea menor porque desde entonces se han anunciado o presentado versiones mejoradas de varios de los modelos m\u00e1s usados.<\/p>\n Los siguientes tres escenarios son el conservador (+85%), que se basa en las cifras de crecimiento cosechadas por los asistentes de voz tipo Alexa; el moderado (+115%), inspirado en los n\u00fameros de TikTok; y el agresivo (+136%). Para este \u00faltimo se ha considerado que los grandes modelos de lenguaje se convierten en \u201cuna herramienta ubicua en la vida diaria de las personas\u201d, tomando como referencia la tasa de crecimiento de Facebook, \u201cuna plataforma usada literalmente por todo el mundo\u201d.<\/p>\n De acuerdo con sus c\u00e1lculos, la generaci\u00f3n de residuos pasar\u00eda de las 2.600 toneladas registradas en 2023 a entre 0,4 y 2,5 millones de toneladas para 2030, es decir, hasta 1.000 veces mayor. Ese volumen de residuos equivaldr\u00eda a descartar entre 2.100 y 13.300 millones de iPhone 15 Pro. O lo que es lo mismo, entre 0,2 y 1,6 tel\u00e9fonos por ser humano ese a\u00f1o. La estimaci\u00f3n asume que durante la presente d\u00e9cada no se ejecutar\u00e1n medidas de reducci\u00f3n de la basura digital. En t\u00e9rminos comparativos, todos los residuos de 2022 relacionados con equipamiento de tecnolog\u00eda de la informaci\u00f3n, como ordenadores port\u00e1tiles o tabletas, fueron 4,6 millones de toneladas. Se calcula que para 2030 podr\u00edan ser 43,2 millones de toneladas.<\/p>\n Las proyecciones de Peng y sus colegas no han tenido en cuenta algo que, seg\u00fan destacan ellos mismos, podr\u00eda agravar la situaci\u00f3n: las restricciones a la importaci\u00f3n de semiconductores, considerados productos clave desde el punto de vista geoestrat\u00e9gico. Ese bloqueo podr\u00eda hacer que muchos pa\u00edses no se beneficien de las continuas mejoras en la eficiencia de los chips. Y eso tiene su peso: el an\u00e1lisis de los investigadores concluye que un a\u00f1o de retraso en la obtenci\u00f3n de semiconductores de \u00faltima generaci\u00f3n puede conllevar un aumento del 14% en la generaci\u00f3n de servidores de IA generativa que llegan al final de su vida \u00fatil. En t\u00e9rminos absolutos, ese a\u00f1o de retraso supondr\u00eda unos 5,7 millones adicionales de toneladas de residuos. Dado que los centros de datos dedicados a la IA est\u00e1n bastante concentrados geogr\u00e1ficamente, la basura digital se concentrar\u00e1 en Europa (14%), Asia Oriental (25%) y Norteam\u00e9rica (58%), si bien acaban envi\u00e1ndose en su mayor parte a \u00c1frica y Asia.<\/p>\n \u00bfSon razonables las proyecciones que dibujan Wang y sus colegas? \u201cCreo que s\u00ed, pero me da la impresi\u00f3n de que la acumulaci\u00f3n de decisiones que simplifican el modelo (necesarias, porque si no el an\u00e1lisis no ser\u00eda viable) a\u00f1aden mucha incertidumbre a los resultados y las conclusiones. Por tanto, es importante tomar con bastante cautela estos resultados\u201d, opina \u00c1lex Hern\u00e1ndez, investigador principal del Instituto de Inteligencia Artificial de Quebec (MILA), instituci\u00f3n que tiene entre sus filas a Yoshua Bengio, considerado uno de los padrinos de las redes neuronales. Hern\u00e1ndez piensa tambi\u00e9n que el hecho de que los cuatro escenarios presentados no incluyan un an\u00e1lisis de su probabilidad, o al menos de su viabilidad, hace que el estudio sea menos criticable, pero tambi\u00e9n menos relevante.<\/p>\n \u201cAunque predecir el desarrollo futuro del hardware<\/em> es dif\u00edcil, considero que la previsi\u00f3n del documento es un indicador razonable de los residuos electr\u00f3nicos que probablemente generar\u00e1 la IA generativa\u201d, apunta por su parte Shaolei Ren, profesor asociado de Ingenier\u00eda El\u00e9ctrica e Inform\u00e1tica de la Universidad de California en Riverside (Estados Unidos), en declaraciones al servicio SMC Espa\u00f1a.<\/p>\n Ante esta situaci\u00f3n, los autores examinan varias estrategias de econom\u00eda circular para tratar de limitar la generaci\u00f3n de residuos. La m\u00e1s efectiva, l\u00f3gicamente, es aumentar la vida \u00fatil del hardware. Los n\u00fameros del equipo de cient\u00edficos revelan que el 62% de los servidores de IA que se tiran cada a\u00f1o (3,1 millones de toneladas) se podr\u00edan mantener si se aumentara en un a\u00f1o su vida \u00fatil, que, seg\u00fan los autores, suele ser de tres. \u201cDe acuerdo con mi propia investigaci\u00f3n, las GPU tienen un ciclo vital de entre tres y cinco a\u00f1os. Es decir, que los centros de datos dedicados a IA renuevan todos sus chips cada cuatro a\u00f1os o antes\u201d, indica Ana Valdivia, profesora de Inteligencia artificial, gobierno y pol\u00edticas del Instituto de Internet de la Universidad de Oxford. La ingeniera, que no ha participado en este estudio, investiga justamente la basura electr\u00f3nica.<\/p>\n La reutilizaci\u00f3n de algunas partes de los procesadores GPU (los usados en el entrenamiento de modelos de IA), como los m\u00f3dulos de comunicaci\u00f3n, de memoria o de bater\u00eda, podr\u00eda reducir los residuos electr\u00f3nicos en un 42% (2,1 millones de toneladas). Valdivia no ve claro que eso sea factible. \u201cLas GPU no se pueden insertar en una econom\u00eda circular porque es muy caro reciclar sus componentes, cosa que no veo que se discuta en el art\u00edculo [de Wang y sus colegas]. El 100% de una GPU acaba incinerada o en un vertedero\u201d, sostiene la experta.<\/p>\n Los equipos usados en los centros de datos constan de tres elementos principales, de acuerdo con el estudio: circuitos con semiconductores, bater\u00edas y partes estructurales. Cuando se desechan, quedan materiales t\u00f3xicos, del plomo y el cromo al acrilonitrilo o los policarbonatos, pero tambi\u00e9n metales preciosos, como oro, plata, platino, n\u00edquel o paladio. Si se reciclaran adecuadamente, estos materiales podr\u00edan tener un valor de entre 14.000 y 28.000 millones de d\u00f3lares, estiman Wang y su equipo.<\/p>\n Sin embargo, el estudio podr\u00eda haber hilado m\u00e1s fino. \u201cMe llama la atenci\u00f3n que los dispositivos de enfriamiento de servidores se excluyan del an\u00e1lisis, cuando estos juegan un papel fundamental en este tipo de dispositivos y adem\u00e1s representan una gran cantidad del material f\u00edsico de los servidores\u201d, se\u00f1ala Hern\u00e1ndez.<\/p>\nQu\u00e9 hacer<\/h3>\n