- La idea generalizada de que la IA, especialmente los LLM como ChatGPT, causa un gran daño al medio ambiente no es precisa.
- Muchas personas difunden la afirmación de que “el uso personal de IA empeora la crisis climática”, pero la escala real de las emisiones y los puntos de comparación usados no son adecuados.
- Es necesario examinar con la mayor precisión posible los datos sobre consumo de energía y agua relacionados con la IA para comprender la magnitud real de las emisiones de carbono.
- También hay que revisar qué acciones personales realmente contribuyen de forma significativa a reducir emisiones.
Por qué se escribió este artículo
- En las conversaciones sobre clima aparece con frecuencia un enfoque de “señalar a las empresas o tecnologías malas y boicotearlas”.
- Como han aumentado las opiniones que califican el uso de ChatGPT como un acto de destrucción ambiental, se busca aclarar el tema con base en cifras precisas.
- También se enfatiza la postura de que el activismo climático debe enfocarse en cambios estructurales, como la transición del sistema energético, más que en el estilo de vida individual.
Cómo pensar la ética de las emisiones
- En la sociedad moderna, una vida completamente libre de carbono es, en la práctica, imposible.
- Incluso instalaciones importantes como los hospitales tienen altas emisiones, pero también un gran valor social.
- Para reducir emisiones, no se trata de “eliminar sin más las fuentes que más emiten”, sino de evaluar el equilibrio entre el valor de una actividad y sus emisiones.
- No es deseable dejar de usar una tecnología útil como los LLM por información incorrecta o malentendidos.
La utilidad de los LLM
- Los LLM ayudan ampliamente en la vida diaria y el trabajo, desde el aprendizaje hasta la automatización de tareas.
- Son especialmente eficaces para resumir rápidamente información técnica o especializada compleja, y para responder preguntas.
- No son perfectos, pero a diferencia de la búsqueda en Google, permiten respuestas conversacionales y personalizadas.
- Muchas personas usan los LLM para adquirir conocimientos, resolver problemas y mejorar su productividad.
Argumento principal (Main Argument)
Emisiones (Emissions)
- Una búsqueda en ChatGPT usa aproximadamente 10 veces más energía que una búsqueda normal en Google, pero en términos absolutos equivale a apenas unos 3 Wh.
- Eso corresponde a unos 10 segundos de streaming de video, el envío de 2 correos electrónicos o ver una TV LED durante 3 minutos.
- Comparaciones como “el uso global de ChatGPT = el consumo eléctrico de decenas de miles de hogares” pueden resultar engañosas si no se considera la cantidad de usuarios del servicio y el valor de su utilidad.
- Por ejemplo, servicios de streaming como Netflix o YouTube consumen mucha más energía, pero para cada usuario individual eso representa una cantidad muy pequeña.
- El entrenamiento del modelo GPT-4 consumió una cantidad de energía comparable a cientos de vuelos, pero considerando el valor que ofrece a innumerables usuarios en todo el mundo tras entrenarse una sola vez, sigue siendo eficiente.
- Frente al uso energético total de internet, la proporción que representan los LLM es muy pequeña, y ver el uso individual de ChatGPT como un eje central del problema climático es una preocupación exagerada.
Uso de agua (Water use)
- Los centros de datos de IA usan agua para tareas como la refrigeración de GPU.
- Existe el malentendido de que “cada uso de ChatGPT consume 500 mL de agua”, pero en realidad es más preciso decir que 500 mL corresponden a unas 20 a 50 consultas.
- Otras actividades en línea, como el streaming de música o las videollamadas, también usan agua de forma similar, y estas cifras incluyen todo el proceso de producción de energía y enfriamiento.
- De hecho, ver un video 4K de 10 minutos o hacer una videollamada de una hora consume más agua que varias decenas de consultas en ChatGPT.
- Si además se combinan operaciones de centros de datos en regiones donde no se presiona fuertemente a pequeñas fuentes de agua y una gestión de agua reutilizable, el problema puede mitigarse considerablemente.
- En comparación con la producción de productos de origen animal, el uso de agua de los centros de datos es relativamente menor, y muchos análisis sostienen que también genera menos contaminación o desperdicio que la industria ganadera intensiva.
Malentendidos comunes sobre el uso de LLM y comparaciones reales
- La percepción de que “el uso individual de LLM causa un enorme daño al medio ambiente” no coincide con lo que muestran las estadísticas reales.
- El uso del smartphone, el streaming de video, el correo electrónico y los juegos en línea también consumen mucha electricidad y agua, en niveles comparables a los LLM, pero el público no suele verlos como un gran problema.
- Los LLM ofrecen ahorro de tiempo y mejoras de eficiencia a los usuarios, mientras que sus emisiones en sí son reducidas.
- Desde la perspectiva de reducir emisiones, cambiar la dieta o el medio de transporte tiene un efecto mucho mayor que limitar el uso de LLM.
Reflexión final
- Los LLM no dejan de generar emisiones por completo, pero desde la perspectiva del uso individual no son tan ineficientes como para justificar gran preocupación.
- Lo importante en el activismo climático es la transición energética a gran escala y la mejora estructural; centrarse en restringir pequeñas actividades digitales desvía la discusión de lo esencial.
- Las tecnologías LLM, incluido ChatGPT, aportan un gran valor en muchos campos, por lo que evitarlas por desinformación termina siendo contraproducente.
- Si el objetivo es reducir las emisiones personales, resulta más efectivo revisar primero otros hábitos de vida con mayor impacto.
3 comentarios
Lo único seguro es que es más productivo que la minería de criptomonedas....
Es cierto.
Opiniones de Hacker News
No es apropiado comparar el consumo de energía de los LLM con criterios arbitrarios. Comparar una consulta a ChatGPT con una llamada de Zoom no resulta útil. En muchos casos, una sola búsqueda en Google basta para resolverlo. Los LLM son útiles para el desarrollo de software, pero existen muchos métodos simples que pueden sustituirlos.
Debido a la inversión en IA, los objetivos de emisiones de las nubes hiperescalables están cambiando y el crecimiento de los centros de datos está llegando al límite de capacidad de la red eléctrica. Al convertir el uso de electricidad de la IA en emisiones, puede que las afirmaciones sobre toda la IA no se sostengan. A largo plazo, el ROI parece ser positivo, pero hay que enfocarse en hacer la tecnología más eficiente.
El artículo necesita enlaces de referencia. Los LLM no los usan simplemente usuarios domésticos. Los gobiernos y las grandes empresas están utilizando mucho tiempo de GPU. Se están proponiendo nuevas instalaciones eléctricas para la IA.
Entrenar modelos grandes como GPT-4 no parece ser un costo único. Las grandes empresas seguirán entrenando nuevos modelos. Puede que muchos modelos ni siquiera se usen.
Aproximadamente el 90% de los residuos plásticos oceánicos proviene de 10 ríos. Las decisiones de estilo de vida individuales son insignificantes en comparación con las prácticas estándar de la manufactura en el extranjero. El medio ambiente es importante, pero el comportamiento individual por sí solo no basta a menos que se obligue a las empresas a actuar de la manera correcta.
Hay un artículo que trata un estudio profundo sobre las tendencias de los centros de datos y la sostenibilidad. Es el mejor artículo que he leído sobre este tema.
Me pregunto de dónde salen las cifras sobre el consumo energético del streaming de video. La mayor parte de la energía se usa en la codificación inicial del video.
Los LLM y ChatGPT no usan la mayor cantidad de energía al responder preguntas. Durante el entrenamiento consumen mucha agua y energía. Usarlo ahora no está destruyendo el medio ambiente, pero sí muestra interés en el producto.
Es absurdo que una persona se preocupe por las emisiones causadas por usar ChatGPT. Reconozco que la IA consume mucha energía. Es difícil considerar cómo la demanda de ChatGPT afecta el futuro de la IA.
El título no coincide con el contenido. Un título como "Las emisiones por usar ChatGPT no son importantes en comparación con otras cosas" sería más apropiado.