Escriba para buscar

Inteligencia verde: por qué los datos y la IA deben volverse más sostenibles Innovación

Inteligencia verde: por qué los datos y la IA deben volverse más sostenibles

A medida que los grandes datos, el aprendizaje automático y la inteligencia artificial continúan ganando protagonismo en la tecnología de la información, los expertos están expresando su preocupación por los costos ambientales de la computación, principalmente los datos y la huella de carbono y las emisiones de gases de efecto invernadero de la IA.

"Verde

El problema no muestra signos de desaceleración. Como resultado de la pandemia de COVID-19, la implementación de datos e inteligencia artificial aumentó exponencialmente a medida que aumentaba la demanda de transformación digital.

El MIT informó que la nube ahora tiene una huella de carbono mayor que toda la industria de las aerolíneas, y un solo centro de datos podría consumir una cantidad de electricidad equivalente a 50,000 hogares.

Mientras tanto, los conjuntos de datos utilizados para entrenar la IA son cada vez más grandes y requieren una enorme cantidad de energía para funcionar. MIT Technology Review informó que entrenar solo un modelo de IA puede emitir más de 626,00 libras de dióxido de carbono equivalente, que es casi cinco veces las emisiones de por vida de un automóvil estadounidense promedio.

Echemos un vistazo a por qué es importante que las empresas aborden cómo el almacenamiento de datos y la IA contribuyen a las emisiones de gases de efecto invernadero y qué podemos hacer para mitigar los impactos de este problema continuo.

Por qué debemos abordar este problema

Sanjay Podder, director gerente y líder mundial de innovación en sustentabilidad tecnológica de Accenture, dice que el crecimiento exponencial de los datos y su mayor demanda de energía podrían contrarrestar e impedir nuestro progreso global sobre el cambio climático.

En este momento, la comunidad de IA ha adoptado una actitud de "cuanto más grande, mejor" con respecto a los datos y la inteligencia artificial, pero ese enfoque amenaza con infligir un daño ambiental importante en el futuro.

Los expertos en tecnología necesitarán gastar cantidades cada vez mayores de energía para construir modelos cada vez más grandes, con mejoras decrecientes en el rendimiento.

Por ejemplo, la IA que subyace a los vehículos autónomos debe estar entrenada para aprender a conducir. Una vez que se completa el entrenamiento inicial, el modelo de IA en el vehículo autónomo realiza una inferencia continua para que pueda navegar en su entorno. Este proceso ocurre día tras día mientras estemos utilizando el vehículo. Son muchos requisitos de energía para un solo automóvil.

Necesitamos iniciativas audaces y reflexivas para establecer el campo de la IA en una trayectoria más sostenible.

Sugerencias para abordar el impacto de la sustentabilidad de la IA

¿Qué pueden hacer las empresas para mitigar los impactos ambientales de la IA y los macrodatos sin dejar de impulsar la innovación? Aquí hay algunas sugerencias de sostenibilidad de datos:

Considere cómo se mide el impacto ambiental. Necesitamos mejorar la contabilidad del carbono proporcionando datos más rápidos y precisos sobre las huellas de carbono y los impactos en la sostenibilidad. Herramientas como Net Zero Cloud de Salesforce, SustainLife y Microsoft Cloud for Sustainability pueden ayudar a las empresas a visualizar y comprender sus pasos en falso para que puedan detectar oportunidades de mejora.

Estime las huellas de carbono de los modelos de IA. La calculadora de emisiones de aprendizaje automático puede ayudar a los profesionales a ejecutar estimaciones basadas en factores como el proveedor de la nube, la región geográfica y el hardware.

Examinar cómo y dónde se almacenan los datos. Algunos de los trabajos de aprendizaje automático más grandes podrían trasladarse a regiones del mundo más respetuosas con el carbono. Por ejemplo, Montreal, Canadá, tiene varios centros de datos que funcionan con energía hidroeléctrica.

Aumentar la transparencia y la medición. A medida que los investigadores de IA publican sus resultados para nuevos modelos, deben incluir mediciones de cuánta energía se emitió en su modelo, junto con sus métricas de rendimiento y precisión.

Siga las mejores prácticas "4M" de Google. Google ha identificado cuatro prácticas recomendadas, conocidas como "4Ms", que pueden reducir significativamente las emisiones de carbono y energía para cualquier persona que utilice los servicios de Google Cloud. Estos incluyen la selección de arquitecturas de modelos de aprendizaje automático eficientes, el uso de procesadores y sistemas optimizados para el entrenamiento de ML, la computación en la nube en lugar de en las instalaciones y la optimización de mapas para elegir ubicaciones con la energía más limpia. Siguiendo estas prácticas, afirma Google, la energía puede reducirse 100 veces y las emisiones 1000 veces.

Cómo trabajar hacia nuevos paradigmas de IA

A medida que continuamos viendo la adopción acelerada de tecnologías de inteligencia artificial y aprendizaje automático en nuestra sociedad, debemos considerar qué le están haciendo estas herramientas y sistemas a nuestro entorno. A menos que estemos dispuestos a reformar la agenda actual de investigación de IA y aumentar la transparencia en torno a este tema, el mundo de la IA podría frenarnos en la lucha para frenar el cambio climático.

Para estar al tanto de las últimas novedades sobre tendencias empresariales y tecnológicas nuevas y emergentes, asegúrese de suscribirse a mi boletín informativo, sígame en Twitter, LinkedIn y YouTube, y consulte mis libros "Habilidades futuras: las 20 habilidades y competencias que todos necesitan". To Succeed In A Digital World' y 'Business Trends in Practice', que ganó el premio Business Book of the Year 2022.