Gigantes tecnológicos como Google, Microsoft o Meta están inmersos en una frenética carrera por desarrollar más y más herramientas basadas en inteligencia artificial (IA) generativa. Esa competición está 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 energético de estas infraestructuras, así 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 aquí.

Los equipos usados en los centros de datos en los que se cocina esta tecnología hay que renovarlos continuamente, y eso produce una gran cantidad de residuos digitales, incluyendo 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 la basura electrónica asociada a la IA generativa, esta se multiplicará por 1000 hasta 2030, alcanzando entre 1,2 y 5 millones de toneladas.

La carrera por la IA: las startups que quieren desafiar el reinado de Nvidia

La investigación, cuyos resultados se publican en la revista Nature Computational Science, quiere contribuir a encontrar la forma de reducir la basura electrónica 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 economía circular entre los principales actores implicados en la IA generativa”, asegura a este periódico 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 preocupación en cuanto a 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, las medidas de choque deberían implementarse de manera inminente”, añade.

Escenarios posibles

Wang y sus colegas tomaron como referencia para sus cálculos 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 más 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 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 los chips y las manufacturas relacionadas con la IA generativa. Sitúa el crecimiento en el 41%, el mismo que se experimentó 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 más 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 números de TikTok; y el agresivo (+136%). Para este último 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”.

¿La IA está engordando demasiado a las gigantes tecnológicas?

Las proyecciones de Peng y sus colegas no han tenido en cuenta algo que, según destacan ellos mismos, podría agravar la situación: las restricciones a la importación de semiconductores, considerados productos claves desde el punto de vista geoestratégico. Ese bloqueo podría hacer que muchos países no se beneficien de las continuas mejoras 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 conllevar un aumento del 14% en la generación de servidores de IA generativa que llegan al final de su vida útil.

En términos absolutos, ese año de retraso supondría unos 5,7 millones adicionales de toneladas de residuos. Dado que los centros de datos dedicados a la IA están bastante concentrados geográficamente, la basura digital se concentrará en Europa (14%), Asia Oriental (25%) y América del Norte (58%), si bien acaban enviándose en su mayor parte a África y Asia.