Medición de los impactos ambientales de la IA
¿Cómo medir el impacto ambiental de la IA? Este fue otro tema importante discutido en la Cumbre Global del AI Standards Hub, y esto es lo que aprendí:
- ¿Cómo definir los límites relativos a las ejecuciones de entrenamiento y los costos de telecomunicaciones?
¿Qué constituye una ejecución de entrenamiento? ¿Es una sola iteración de un algoritmo? ¿Un ciclo de entrenamiento completo hasta la convergencia? ¿O todo el ciclo de vida del desarrollo del modelo, incluida la experimentación y el ajuste de hiperparámetros? Cada definición dará como resultado cifras de consumo de energía diferentes.
- Las aplicaciones de IA frecuentemente involucran transferencias masivas de datos entre dispositivos (por ejemplo, teléfonos inteligentes, sensores) y centros de datos.
Medir la energía consumida durante estas transferencias es difícil, ya que depende de muchos factores.
- El desafío práctico radica en obtener los datos granulares y precisos necesarios para una medición precisa:
Algunos datos pueden ser propietarios (por ejemplo, la energía utilizada para transmitir datos para una aplicación de IA específica) o imposibles de obtener (como el impacto ambiental de la minería y la fabricación de todo el hardware utilizado en un sistema de IA).
-
La IA está profundamente entrelazada con tecnologías digitales más amplias, y es difícil aislar la huella ambiental específica de la IA del impacto general de la digitalización.
-
Impacto ambiental indirecto que quizás no esté considerando: cambios impulsados por la IA en el comportamiento de los consumidores:
puede decidir reemplazar su teléfono más antiguo pero aún funcional por uno más nuevo con funciones impulsadas por IA antes de lo que lo haría si no fuera por el desarrollo de la IA. Este ciclo de consumo aumentado se suma a la carga ambiental general.
- La electrificación del transporte está aumentando la demanda de electricidad junto con la IA.
Esto ejerce presión sobre las redes eléctricas existentes y plantea preocupaciones sobre el impacto ambiental de la generación de electricidad, especialmente si depende en gran medida de los combustibles fósiles.
¿Algunas de las soluciones propuestas?
- Acelerar y mejorar la evaluación del impacto ambiental de la IA: capacitar a expertos en estandarización e investigadores de IA y otros (aportando su conocimiento de metodología de investigación) para que trabajen juntos.
- Utilizar la creciente digitalización de los estándares para permitir una investigación más rápida (por ejemplo, mediante referencias cruzadas y el uso de diccionarios existentes)
¡Muchas gracias a la Dra. Valerie Livina CMath FIMA, Juliette Fropier, Arti Garg y Uzma Chaudhry por esta fantástica discusión!
