Ahorrar energía, clave para el futuro de la IA

Gracias a nuevas técnicas de refrigeración, chips más potentes y avances en programación, el sector de la inteligencia artificial (IA) trata de limitar su consumo de energía en un contexto de crecimiento frenético.

Las infraestructuras de IA se basan en centros de datos que, según las previsiones de la Agencia Internacional de la Energía (AIE), representarán en torno al 3% de las necesidades mundiales de electricidad de aquí a 2030, el doble de la proporción actual.

La consultora McKinsey habla de una “carrera” para construir suficientes centros para “hacer frente a la aceleración masiva en el uso de la IA”, al tiempo que advierte que se avecinan tiempos de escasez.

“Hay varias formas de resolver el problema”, adelanta Mosharaf Chowdhury, profesor asociado de la Universidad de Míchigan.

“Una es crear más fuentes de energía”, una vía en la que también están embarcados los pesos pesados de la IA, otra es “reducir la demanda” de electricidad a una capacidad equivalente, explica.

REFRIGERACIÓN POR AGUA

Para el profesor, las “soluciones inteligentes” pueden encontrarse en todos los niveles de la cadena de la IA, desde los equipos físicos hasta los algoritmos. Según Gareth Williams, de la consultora Arup, la energía necesaria para mantener un centro de datos representa hoy el 10% de lo que consumen los propios servidores, frente al 100% de hace 20 años.

Esta reducción se puede atribuir, entre otras cosas, al uso generalizado de la refrigeración líquida o por agua en vez de la ventilación convencional, que hace circular fluidos directamente por el interior de los servidores.

“Todos los grandes están buscando usar la refrigeración por agua”, considera Williams, pues se está “en un punto en el que no tienes opción de no hacerlo”.

Otro avance es que los centros de datos están ahora equipados con sensores que pueden ser utilizados por la IA para controlar la temperatura no a escala de todo el centro sino por “zonas muy pequeñas” y “optimizar el consumo de agua y electricidad” por adelantado, según Pankaj Sachdeva, socio senior de McKinsey.

La partida también se juega en la programación y entrenamiento de modelos generativos de IA a gran escala.

Sin embargo, pese a estos avances tecnológicos, “no hay manera de reducir el consumo de energía. Es altamente probable que siga incrementando”, advierte Ding, pese a los esfuerzos para limitarlo, “pero quizás a una menor velocidad”.