Para comenzar nos planteamos esta pregunta ¿Puede llamarse artificial a una gran base de datos gestada por nosotros (humanos)? Que además es manejada por complejos softwares, también, desarrollados por la especie humana. Y si todo esto, está armado por nosotros, ¿no podría estar influenciado por las ideas de los dueños de las compañías desarrolladoras de las distintas tecnologías?
En un mundo donde la voluntad y la perseverancia por querer ser, están siendo apagadas o, bien se procura denodadamente por contraerlas y desactivarlas, existe un grupo, no menor, de quienes buscan enseñanza y aprendizaje, esperando que sus problemas sean resueltos, con construcciones extrapersonales y decisiones de terceros. La esencia de ese dispositivo emocional y tecnológico, paradójicamente, provoca la convergencia de los deseos individuales, junto con el sentido de dominación de las grandes corporaciones digitales. Un mundo de seres humanos, extendido en una dimensión virtual, con decisiones aparentes e información viciada, carente de autenticidad y sensatez. Un mundo de humo, socialmente, insostenible y, ambientalmente, improcedente. El abordaje de la inteligencia artificial implica un desafío que no puede ser librado, ni al azar, ni al mercado.
Este mundo de datos y su centralización, en grandes bases compiladas, prefiguran comportamientos diferentes respecto del sentido construido en épocas precedentes. El devenir irreversible y asimétrico nos invoca a pensar en adaptarnos y concebir esa ciencia como una responsabilidad indelegable.
La acumulación de datos y el entrenamiento, a través de los algoritmos, proyecta nuevos escenarios, reconfigurando el destino de cada uno de los territorios y de los habitantes, que allí se asienten.
A modo de ejemplo, un desarrollo formidable para mencionar, referente a la captura de datos, que acrecientan, diariamente, las bases de datos y, con ellos, disponer de insumos apropiados para entrenamientos predictivos, ese desarrollo surge y se configura en la política geoespacial, que ha conllevado a la producción de satélites y su puesta en órbita. Esas naves espaciales disponen de equipos, con instrumentos sensibles y cámaras para examinar las propiedades de la Tierra y el universo cercano, a través de esa creación natural que se ha dado en llamar el espectro electromagnético. Nada menos que Comunicaciones (radiodifusión y señales de TV), navegación, astronomía y teledetección, entre otros, se constituyen en campos de aplicación indispensables para disponibilidad y desarrollos nacionales, en términos de comunidad y territorio. Más allá, se tornan superlativos excedentes que fomentan y promueven expansiones extranacionales.
Como todo producto tecnológico, genera un flujo de información y, para darle un marco de autenticidad y sensatez, requiere investigación y desarrollo, es decir, soberanía científica y corporativa, a través de clusters de empresas y sociedades nacionales, de naturaleza mixta, donde participan desarrolladores, estimulados por la pulsión estatal de incubar ideas y fomentar creaciones en el seno de los territorios.
Las grandes corporaciones han sido, y lo siguen siendo, productos de estrategias basadas en la ideología de la estatalidad emprendedora, donde las ideas de pequeñas pymes son potenciadas a través del tiempo, para capitalizar el territorio nacional y luego expandirse a nivel global. Eso ocurre en el mundo y es el foco de la disputa y compulsa entre China y USA. Es ciencia pura, práctica y aplicada que genera calidad y prestigio. Debe ser propulsada a través de incentivos especiales.
Estos temas de alta seriedad requieren de una población comprometida, con educación, instrucción, formación y reflexión de todos estos aspectos temáticos, pero también conlleva a desactivar la dedicación por los entretenimientos basados en comedias de intrigas y enredos
La Inteligencia artificial es un conjunto de algoritmos que implican secuencias de etapas instructivas para resolver un problema o efectuar un cálculo.
Los algoritmos necesitan datos para poder dar resultados y, a medida, que aumenta el volumen de datos, aprenden mejor y optimizan sus previsiones.
Para el desarrollo de la Inteligencia artificial se necesita una política científica y tecnología que ensamble incubadoras y sinergias, basadas en un espíritu nacional de carácter público, privado y mixto
La Inteligencia artificial requiere de insumos para desplegarse, expandirse y sostenerse: a) Datos b) Algoritmos c) Almacenamiento y d) Agua y Energía
- a) Datos
Según la real Academia Española, se trata de información sobre algo concreto que permite su conocimiento exacto o, bien, sirve para deducir las consecuencias derivadas de un hecho. Para tenerlos se necesita disponer de la captura y registro y ordenarlos, sistemáticamente, en bases de datos.
Los Big data son el resultado de la convergencia y masividad de las redes informáticas, las telecomunicaciones y los dispositivos de captura de datos (Flavia Costa, 2021).
Estos macrodatos deben cumplir algunas características o particularidades: a) Volumen, en términos de cantidades descomunales que requieren soportes formidables y fuente de origen de los datos de entrenamiento. b) Veracidad, referente a que la información debe ser verdadera y comprobable, con génesis fidedigna y de consulta simultánea. c) Velocidad, ya que en la actualidad, los medios tecnológicos promueven la captura datos en tiempo real, con celeridad en la recolección. Sus fuentes son las aplicaciones, sitios web o redes sociales d) Diversidad, obtenida desde distintas fuentes de datos que permite evitar sesgo y límites en la procedencia e) Valor, ya que los resultados de su análisis e interpretación motivarán y/o reorientarán la toma de decisiones y acciones consecuentes.
- b) Algoritmos
Un algoritmo resulta ser un conjunto de instrucciones o pautas definidas y claras, concisas, ordenadas y finitas para solucionar un problema, formalizar un cómputo, procesar datos y llevar a cabo otras tareas o actividades
Entre ellos cabe mencionar al Machine Learning, que es una tecnología de IA que permite que las computadoras tomen decisiones basadas en datos, en lugar de ser programadas, específicamente, para llevar a cabo una determinada tarea.
El Deep Learning (DL) o aprendizaje profundo que es una evolución del machine learning. Se trata de un algoritmo automático que imita la percepción humana inspirada en nuestro cerebro y la conexión entre neuronas. Esta es la tecnología de IA que más creció en solicitudes de patentes entre 2012 y 2016, y su desempeño es mejor que el de cualquier otro modelo de IA. Los modelos de deep learning están constituidos por muchas capas que forman redes jerárquicas para aprender características y clasificar identificando patrones. (Rikap, C. A., 2023)
El Machine Learning requiere de la guía en cada una de las fases, mientras que el Deep Learning aprende por si mismo, con cada agregado de información nueva y procesa los errores para darle fiabilidad al resultado buscado
- c) Almacenamiento
Un dispositivo físico-virtual donde acumular los datos y los resultados obtenidos por la aplicación de los algoritmos. El almacenamiento o repositorio requiere de un dispositivo de desarrollo específico para poder disponer de los datos, bajo un sistema de ciberseguridad, donde la protección y confidencialidad permitan la creación de cuantía agregada y cadenas de valor subsecuentes. Esa nube es, también, una fuente de polución dado el consumo energético que requiere y el volumen de agua para enfriamiento de los equipos de almacenamiento. Todo ello requiere de una política estatal de avanzada, trazable, conducente, gestada con eficiencia, eficacia y protección ambiental
- d) Agua y Energía
Fluidos necesarios para mantener, energética y térmicamente, la permanencia y calidad de los datos almacenados para su uso actual o futuro.
Aquí haremos aplicación de lo comentado, ya que el artículo se basa en una recopilación de información publicada en distintos medios gráficos, que reproducen lo dicho por las grandes empresas de tecnología sobre la implicancia ambiental de sus desarrollos: consumo de energía, consecuentes emisiones de Gases Efecto Invernadero y de agua.
Tanto los medios gráficos como las mismas IA hacen mención al consumo elevado de agua y energía que su desarrollo implica.
Si le preguntamos a una IA bien cercana, la Meta AI que irrumpió hace pocos días en nuestros WhatsApp, sobre estos temas nos responde: “El consumo de agua de la inteligencia artificial es un tema complejo, ya que no consume agua, directamente. Sin embargo, el entrenamiento de modelos de AI requiere grandes cantidades de energía que, a menudo, se produce mediante métodos que consumen agua.
Aquí hay algunas estimaciones:
a) Entrenamiento de un modelo de lenguaje 700.000 litros de agua,
b) Entrenamiento de un modelo de visión por computadora: 1,4 millones de litros de agua.
Y continúa diciendo: “Estas cantidades de agua se utilizan principalmente para enfriar los servidores y los centros de datos que procesan los algoritmos de IA. A medida que IA sique creciendo es importante considerar el impacto ambiental y buscar formas de reducir el consumo de recursos naturales”
Y ahora digo, “a confesión de parte, relevo de pruebas” ¿no?
De estos párrafos aclaremos que el 60% (redondeando promedio mundial) de la energía utilizada por la IA es de origen térmico, ó sea se consumen combustibles fósiles (carbón, petróleo y gas natural) para obtener energía eléctrica necesaria para que los inmensos centros de equipos de datos estén operativos y se mantengan refrigerados (esta es una condición básica para su funcionamiento).
Buscando información, se cita un artículo que publicó la Agencia de Noticias Científicas de la Universidad Nacional de Quilmes, en el cual uno de sus autores Daniel Busdygan, docente e investigador de la UNQ y la UNLP, en diálogo con la agencia de noticias señaló que uno de los desafíos que presenta la inteligencia artificial es su manutención: “Conforme sigan avanzando y asentándose en la mayor extensión de nuestras prácticas, la utilización de la tecnología se incrementará y, con ello, los recursos energéticos que se precisan para que los modelos realicen los billones de cálculos que deben hacer.”
A diferencia de las unidades de procesamiento central (CPU) clásicas, las unidades de procesamiento de gráficos (GPU) tienen mejor desempeño, pero consumen hasta diez veces más de energía. En este aspecto, los grandes modelos de lenguaje necesitan de miles de GPU que funcionan las 24 horas durante días, semanas o meses.
Por su parte, uno de los gigantes Microsoft Informó que empleó casi 13 mil millones de litros durante 2023, de las cuales 8 mil se evaporaron o consumieron y no pudieron reutilizarse. En la Figura siguiente la empresa muestra el crecimiento en el consumo de energía producido desde 2020 al 2023
| Source: Microsoft’s 2024 Environmental Sustainability Report |
También Google se sumó al blanqueo diciendo que uso alrededor de 8600 millones de litros de agua y solo pudo reutilizar cerca del 25 por ciento.
Si bien el panorama expuesto da cuenta del impacto negativo en términos ambientales que tiene la generación, el mantenimiento y la utilización de la inteligencia artificial, todavía resta conocer cifras concretas sobre toda la cadena de suministros que permiten montar los centros de datos en relación al hardware y el software
El consumo de energía de Microsoft en 2023 equivale al consumo promedio anual de 5.200.000 habitantes de área urbana de Argentina, o sea el consumo de un tercio de los habitantes de la provincia de Buenos Aires
Como cierre podemos informarles que el 14 de setiembre de 2024 Infobae publicó una noticia que aún no se pudo chequear, casi de ciencia ficción. Una IA desarrollada en Japón, dejo de responder a sus mandos naturales (la especie humana)
En síntesis, los datos requieren captura, los algoritmos, necesitan profundizar en matemática, física y desarrollos informáticos, los repositorios demandan de nubes de gestión nacional publica privada, de sitios con hardware y softwares; y el agua y la energía, pretenden de diseños de uso con la mayor eficiencia y eficacia
Todo este desarrollo requiere de ciencia, investigación, emprendimientos e industrias, Todo un camino de trazabilidad consecuente con gestión ambiental y visión nacional de la estrategia de expansión y generación de riqueza con alto valor agregado.
Claramente, estamos atravesando una transición entre la era de la modelización, en la cual diferentes softwares de simulación numérica, nos permiten la comprensión -con sus márgenes de incertidumbre asociadas- sobre fenómenos naturales y sociales, de interés, mediante la utilización de datos relevados y el análisis e interpretación para la toma de decisiones, en diferentes niveles institucionales, y otra era donde hay un interés marcado en hacer converger la inteligencia humana con la inteligencia artificial.
En términos de poder, hay una intencionalidad manifiesta que lo artificial termine reemplazando lo humano. Hay que elevar el nivel de comprensión, respecto del concepto de poder, de su accionar y de sus consecuencias, junto con las situaciones de borde. Es un conjunto que debe afrontarse y abordarse, sin esperar más tiempo.
Será reflexionar entre “humanizar la inteligencia artificial” o “artificializar la inteligencia humana”.
La gestión ambiental tiene mucho para decir y mucho más para construir.
Bibliografía y Citas de Referencia
Costa, F. (2021) Tecnoceno. Algoritmos, biohackers y nuevas formas de vida (Buenos Aires: Taurus)
Infobae https://www.infobae.com/tecno/2024/09/09/ya-no-es-ciencia-ficcion-una-inteligencia-artificial-se-revela-contra-los-humanos-y-estas-son-sus-consecuencias
Microsoft 2024 Environmental Sustainability Report https://www.microsoft.com/en-us/corporate-responsibility/sustainability/report
Retamar Nicolás 2024 Consumo elevado de agua y energía: la otra cara de la inteligencia artificial 19 julio, 2024 https://agencia.unq.edu.ar/?p=21309
Rikap, C. A. (2023). Inteligencia artificial: reemplazo, hibridación…¿ progreso?. https://ri.conicet.gov.ar/handle/11336/237027
