Los investigadores de la plataforma de IA de código abierto, Hugging Face, han descubierto que la huella de carbono de las herramientas de IA generativas es sustancialmente peor de lo estimado previamente, particularmente para aquellos que convierten las indicaciones de texto en video, debido a la escala de energía no lineal. En un artículo recientemente publicado, los investigadores detallaron cómo las demandas de energía de los generadores de texto a video aumentan exponencialmente en lugar de en proporción directa a la longitud del contenido. El estudio estableció que cuando la duración de un video generado se duplica, su consumo de energía asociado se cuadruplica. Para ilustrar este principio, el documento proporciona un ejemplo específico: producir un video clip de seis segundos con IA requiere cuatro veces más energía que generar un clip de tres segundos. «Estos hallazgos resaltan tanto la ineficiencia estructural de las tuberías de difusión de video actuales como la necesidad urgente de un diseño orientado a la eficiencia», concluyeron los investigadores en su artículo. Esta investigación surge en medio de advertencias de expertos de que se están implementando tecnologías generativas de IA sin una comprensión completa de sus consecuencias ambientales. Un análisis reciente de MIT Technology Review respalda esta preocupación, afirmando que «la comprensión común del consumo de energía de la IA está llena de agujeros». La brecha en la comprensión es significativa al comparar diferentes tipos de herramientas generativas. Si bien la creación de una sola imagen de 1.024 por 1,024 píxeles con un generador de IA consume energía equivalente a calentar algo en un microondas durante cinco segundos, los requisitos para el video son órdenes de magnitud mayores. El estudio de abrazadera de abrazadera encontró que producir solo un video clip de cinco segundos exige una cantidad de energía comparable a ejecutar un microondas estándar durante más de una hora. Esta disparidad subraya la naturaleza intensiva de la generación de videos. La escala no lineal significa que a medida que los videoclips se hacen más largos, el consumo de energía aumenta a un ritmo aún más rápido. Según el documento, esta trayectoria implica «costos de hardware y ambientales que aumentan rápidamente» para los usuarios y desarrolladores de estas tecnologías. Existen métodos potenciales para mitigar estas altas demandas de energía. Los investigadores sugieren varias estrategias, incluida la implementación de sistemas de caché inteligentes y la práctica de reutilizar el contenido generado por la IA existente para evitar el procesamiento redundante. Otra técnica propuesta es la «poda», que implica identificar y eliminar metódicamente ejemplos ineficientes de los grandes conjuntos de datos utilizados para entrenar modelos AI. Este proceso podría ayudar a optimizar los modelos y reducir su huella de energía operativa durante las tareas de generación. Sin embargo, sigue siendo incierto si estas medidas de eficiencia serán suficientes para tener un impacto significativo en el consumo general de electricidad de los sistemas de IA actuales. La escala del problema ya es sustancial. Según los datos de un estudio reciente, las actividades relacionadas con la IA ahora representan el 20 por ciento de la demanda total de energía de todos los centros de datos mundiales. En respuesta a la creciente demanda de IA, las principales empresas de tecnología están invirtiendo decenas de miles de millones de dólares en nuevas construcciones de infraestructura, un proceso que ha llevado a algunos a abandonar los objetivos climáticos previamente establecidos.
Informe de impacto ambiental 2024 de Google reveló que la compañía está significativamente detrás de su plan para lograr emisiones de carbono neto-cero para 2030. El informe reveló un aumento del 13 por ciento en las emisiones de carbono año tras año, lo que atribuyó en gran parte a su expansión de los servicios generativos de IA. A principios de este año, Google lanzó su generador de video VEO 3 AI. Más tarde, la compañía anunció que los usuarios habían creado más de 40 millones de videos con la herramienta dentro de sus primeras siete semanas de disponibilidad. No se ha revelado el peaje ambiental específico de VEO 3.
