La inteligencia artificial multiplicar¨¢ por 1.000 la basura electr¨®nica esta d¨¦cada

Gigantes tecnol¨®gicos como Google, Microsoft o Meta est¨¢n inmersos en una fren¨¦tica carrera por desarrollar m¨¢s y m¨¢s herramientas basadas en inteligencia artificial (IA) generativa. Esa competici¨®n est¨¢ 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¨¦tico de estas infraestructuras, as¨ª 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¨ª. Los equipos usados en los centros de datos en los que se cocina esta tecnolog¨ªa hay que renovarlos continuamente, y eso produce una gran cantidad de residuos digitales, incluyendo metales altamente t¨®xicos, como el plomo o el cromo. Un grupo de cient¨ªficos ha hecho c¨¢lculos y su conclusi¨®n es alarmante: si no se toman medidas para reducir la basura electr¨®nica asociada a la IA generativa, esta se multiplicar¨¢ por 1.000 hasta 2030, alcanzando entre 1,2 y 5 millones de toneladas.

La investigaci¨®n, cuyos resultados se publican hoy en la revista Nature Computational Science, quiere contribuir a encontrar la forma de reducir la basura electr¨®nica asociada a la IA generativa, en particular a los grandes modelos de lenguaje (LLM) como ChatGPT, Copilot, Gemini, Claude o Llama. ¡°Soy bastante optimista respecto a la posibilidad de impulsar estrategias de econom¨ªa circular entre los principales actores implicados en la IA generativa¡±, asegura a este peri¨®dico 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. ¡°Sin embargo, tengo una profunda preocupaci¨®n en cuanto a la competencia entre la tasa de expansi¨®n de la IA generativa y la adopci¨®n de la econom¨ªa circular. Dado el aumento sin precedentes de la demanda de esta tecnolog¨ªa, para ganar esta batalla, las medidas de choque deber¨ªan implementarse de manera inminente¡±, a?ade.

Wang y sus colegas tomaron como referencia para sus c¨¢lculos el servidor de ocho unidades GPU Nvidia DGX H100, de 2023. Es, hoy por hoy, el hardware de referencia en el procesamiento de IA, que necesita equipos mucho m¨¢s 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¨®n de la IA generativa, y su demanda asociada de procesamiento de datos, entre 2020 y 2030. El primero considera una expansi¨®n limitada de la industria de los chips y las manufacturas relacionadas con la IA generativa. Sit¨²a el crecimiento en el 41%, el mismo que se experiment¨® 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¨¢s usados.

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¨²meros de TikTok; y el agresivo (+136%). Para este ¨²ltimo se ha considerado que los grandes modelos de lenguaje se convierten en ¡°una herramienta ubicua en la vida diaria de las personas¡±, tomando como referencia la tasa de crecimiento de Facebook, ¡°una plataforma usada literalmente por todo el mundo¡±.

De acuerdo con sus c¨¢lculos, la generaci¨®n de residuos pasar¨ªa 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¨ªa 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¨¦fonos por ser humano ese a?o. La estimaci¨®n asume que durante la presente d¨¦cada no se ejecutar¨¢n medidas de reducci¨®n de la basura digital. En t¨¦rminos comparativos, todos los residuos de 2022 relacionados con equipamiento de tecnolog¨ªa de la informaci¨®n, como ordenadores port¨¢tiles o tabletas, fueron 4,6 millones de toneladas. Se calcula que para 2030 podr¨ªan ser 43,2 millones de toneladas.

Las proyecciones de Peng y sus colegas no han tenido en cuenta algo que, seg¨²n destacan ellos mismos, podr¨ªa agravar la situaci¨®n: las restricciones a la importaci¨®n de semiconductores, considerados productos clave desde el punto de vista geoestrat¨¦gico. Ese bloqueo podr¨ªa hacer que muchos pa¨ªses no se beneficien de las continuas mejoras en la eficiencia de los chips. Y eso tiene su peso: el an¨¢lisis de los investigadores concluye que un a?o de retraso en la obtenci¨®n de semiconductores de ¨²ltima generaci¨®n puede conllevar un aumento del 14% en la generaci¨®n de servidores de IA generativa que llegan al final de su vida ¨²til. En t¨¦rminos absolutos, ese a?o de retraso supondr¨ªa unos 5,7 millones adicionales de toneladas de residuos. Dado que los centros de datos dedicados a la IA est¨¢n bastante concentrados geogr¨¢ficamente, la basura digital se concentrar¨¢ en Europa (14%), Asia Oriental (25%) y Norteam¨¦rica (58%), si bien acaban envi¨¢ndose en su mayor parte a ?frica y Asia.

?Son razonables las proyecciones que dibujan Wang y sus colegas? ¡°Creo que s¨ª, pero me da la impresi¨®n de que la acumulaci¨®n de decisiones que simplifican el modelo (necesarias, porque si no el an¨¢lisis no ser¨ªa viable) a?aden mucha incertidumbre a los resultados y las conclusiones. Por tanto, es importante tomar con bastante cautela estos resultados¡±, opina ?lex Hern¨¢ndez, investigador principal del Instituto de Inteligencia Artificial de Quebec (MILA), instituci¨®n que tiene entre sus filas a Yoshua Bengio, considerado uno de los padrinos de las redes neuronales. Hern¨¢ndez piensa tambi¨¦n que el hecho de que los cuatro escenarios presentados no incluyan un an¨¢lisis de su probabilidad, o al menos de su viabilidad, hace que el estudio sea menos criticable, pero tambi¨¦n menos relevante.

¡°Aunque predecir el desarrollo futuro del hardware es dif¨ªcil, considero que la previsi¨®n del documento es un indicador razonable de los residuos electr¨®nicos que probablemente generar¨¢ la IA generativa¡±, apunta por su parte Shaolei Ren, profesor asociado de Ingenier¨ªa El¨¦ctrica e Inform¨¢tica de la Universidad de California en Riverside (Estados Unidos), en declaraciones al servicio SMC Espa?a.

Qu¨¦ hacer

Ante esta situaci¨®n, los autores examinan varias estrategias de econom¨ªa circular para tratar de limitar la generaci¨®n de residuos. La m¨¢s efectiva, l¨®gicamente, es aumentar la vida ¨²til del hardware. Los n¨²meros del equipo de cient¨ªficos revelan que el 62% de los servidores de IA que se tiran cada a?o (3,1 millones de toneladas) se podr¨ªan mantener si se aumentara en un a?o su vida ¨²til, que, seg¨²n los autores, suele ser de tres. ¡°De acuerdo con mi propia investigaci¨®n, las GPU tienen un ciclo vital de entre tres y cinco a?os. Es decir, que los centros de datos dedicados a IA renuevan todos sus chips cada cuatro a?os o antes¡±, indica Ana Valdivia, profesora de Inteligencia artificial, gobierno y pol¨ªticas del Instituto de Internet de la Universidad de Oxford. La ingeniera, que no ha participado en este estudio, investiga justamente la basura electr¨®nica.

La reutilizaci¨®n de algunas partes de los procesadores GPU (los usados en el entrenamiento de modelos de IA), como los m¨®dulos de comunicaci¨®n, de memoria o de bater¨ªa, podr¨ªa reducir los residuos electr¨®nicos en un 42% (2,1 millones de toneladas). Valdivia no ve claro que eso sea factible. ¡°Las GPU no se pueden insertar en una econom¨ªa circular porque es muy caro reciclar sus componentes, cosa que no veo que se discuta en el art¨ªculo [de Wang y sus colegas]. El 100% de una GPU acaba incinerada o en un vertedero¡±, sostiene la experta.

Los equipos usados en los centros de datos constan de tres elementos principales, de acuerdo con el estudio: circuitos con semiconductores, bater¨ªas y partes estructurales. Cuando se desechan, quedan materiales t¨®xicos, del plomo y el cromo al acrilonitrilo o los policarbonatos, pero tambi¨¦n metales preciosos, como oro, plata, platino, n¨ªquel o paladio. Si se reciclaran adecuadamente, estos materiales podr¨ªan tener un valor de entre 14.000 y 28.000 millones de d¨®lares, estiman Wang y su equipo.

Sin embargo, el estudio podr¨ªa haber hilado m¨¢s fino. ¡°Me llama la atenci¨®n que los dispositivos de enfriamiento de servidores se excluyan del an¨¢lisis, cuando estos juegan un papel fundamental en este tipo de dispositivos y adem¨¢s representan una gran cantidad del material f¨ªsico de los servidores¡±, se?ala Hern¨¢ndez.