Milenio
La inteligencia artificial (IA) es una de las tecnologías más fascinantes y prometedoras de nuestro tiempo. Con ella podemos hacer cosas increíbles, como reconocer caras, traducir idiomas y jugar al ajedrez. Pero la IA también tiene un lado oscuro: consume mucha energía y genera muchas emisiones de carbono. Según un estudio de la Universidad de Massachusetts Amherst, entrenar un modelo de IA puede emitir hasta 626 mil toneladas de CO2, lo que equivale a la huella ecológica de cinco coches durante toda su vida útil . Esto supone un grave problema para el medio ambiente y para el cumplimiento de los objetivos de desarrollo sostenible.
Otro aspecto a tener en cuenta es el uso y gestión de los recursos naturales que implica la IA. Por ejemplo, se requieren grandes cantidades de datos para entrenar y mejorar los algoritmos de IA, lo que supone una extracción excesiva e insostenible de información personal y colectiva, así como una disposición inadecuada o vulnerable de los mismos. Se necesita una gran cantidad de materiales para fabricar los dispositivos electrónicos que soportan la infraestructura digital necesaria para la IA, lo que genera una mayor demanda y escasez de metales preciosos y tierras raras.
Por eso, es necesario buscar formas de hacer la IA más eficiente y ecológica, que reduzcan su impacto ambiental y que aprovechen su potencial para crear soluciones sostenibles. En este artículo te presentamos tres formas innovadoras de hacer la IA más verde: la computación neuromórfica, la computación cuántica y la computación biológica.
La computación neuromórfica se inspira en el cerebro humano para crear máquinas más inteligentes y menos eficientes. En vez de usar chips convencionales que procesan los datos de forma secuencial, la computación neuromórfica usa redes de neuronas artificiales que se comunican entre sí. Así se logra que las máquinas aprendan por sí mismas y se adapten a situaciones cambiantes. La computación neuromórfica es ideal para aplicaciones que requieren rapidez y precisión, como los robots y los vehículos autónomos.
La computación cuántica aprovecha las propiedades extrañas de las partículas subatómicas para crear máquinas más potentes. En vez de usar bits que solo pueden tener dos valores (0 o 1), la computación cuántica usa qubits que pueden tener ambos valores al mismo tiempo. Así se consigue que las máquinas puedan hacer varios cálculos a la vez y resolver problemas complejos en menos tiempo. La computación cuántica es perfecta para aplicaciones que requieren mucha capacidad de cálculo, como el cifrado, la simulación y la optimización.
La computación biológica utiliza moléculas orgánicas para crear máquinas más parecidas a los seres vivos. En vez de usar circuitos electrónicos que consumen mucha energía, la computación biológica usa cadenas de ADN o ARN que almacenan y procesan información con muy poco consumo. Así se logra que las máquinas puedan realizar funciones complejas con muy pocos recursos. La computación biológica es genial para aplicaciones que requieren mucha información, como el análisis genético, el diagnóstico médico y el diseño molecular.
Como ves, hay muchas formas de hacer la IA más verde y sostenible. Estas tres formas son solo algunas de las posibilidades que existen y que están siendo investigadas por científicos e ingenieros del mundo. Con ellas podemos esperar un futuro donde la IA nos ayude a mejorar nuestra vida sin dañar nuestro planeta. No obstante, la IA también puede contribuir positivamente a la protección del medio ambiente y a la mitigación del cambio climático si se utiliza con responsabilidad y criterio. Por ejemplo, la IA puede ayudar a optimizar el uso eficiente de la energía en edificios inteligentes o redes eléctricas inteligentes. También puede facilitar el monitoreo y control de las emisiones contaminantes o los residuos generados por diferentes actividades humanas Además, puede apoyar la conservación y restauración de los ecosistemas mediante el análisis e interpretación de imágenes satelitales o sensores ambientales.
Flor de Guadalupe Ortiz Gómez
*Doctora en Ingeniería en Telecomunicaciones e investigadora asociada del SnT-Interdisciplinary Centre for Security, Reliability and Trust de la Universidad de Luxemburgo