- Consum energètic i CO₂
- Entrenament de models d’IA:
- Els grans models d’IA (GPT, BERT…) necessiten milers de GPU durant setmanes o mesos.
- L’entrenament d’un sol model pot consumir tanta energia com cents de llars europeus en un any.
- Per exemple, un estudi de la Universitat de Massachusetts diu que entrenar un model de llenguatge gran pot arriba a consumir 284 tones de CO₂, que són uns 5 cotxes al llarg de la seva vida útil.
- Ús diari de la IA
- Quan interactuem amb la IA això consumeix energia i el problema és que milions de persones l’estan utilitzant simultàniament i això incrementa l’impacte.
- Emissions indirectes
- Les emissions no únicament provenen de la energia elèctrica consumida si no també de la maquinària (xips, servidors, sistemes de refrigeració).
- Això també inclou la extracció de minerals rars (cobalt, liti i terres rares) que també tenen conseqüències mediambientals.
2. Us de recursos minerals
- Els centres de dades necessiten unes grans quantitat d’aigua per la refrigeració.
- Exemple: Un sol centre de dades pot arribar a consumir un milió de litres al dia.
- La fabricació de xips i servidors refereixen materials escassos i contaminants, que sovint són estrets de països contaminants febles.
- També cal considerar la generació de residus electrònics un cop aquests components queden obsolets.
3. Comparació amb altres tecnologies digitals
| Tecnologia | Consum energètic i emissions | Notes |
| IA generativa (GPT, etc.) | Molt alt | Pot arribar a centenars de MWh per model |
| Recerca a Google | Molt baix per consulta | Però milers de milions de cerques = impacte global significatiu |
| Blockchain (ex. Bitcoin) | Extremadament alt | Pot superar tot el consum de un pais petit |
| Streaming de vídeo (Netflix, YouTube) | Alt per usuari i hora de reproducció | Similar o superior a l’ús d’IA lleuger segons la intensitat |
| Jocs en línia / Cloud gaming | Alt | Requereix processament i transmissió constants |
4. Una IA mes sostenible
- Utilitzar energies renovables als centres de dades.
- Optimitzar l’algoritme per reduir la necessitat de càlcul.
- Compartir models entrenats per evitar el consum d’entrenaments costosos innecessaris.
- Localitzar els centre de dades en llocs freds per reduir el cost de refrigeració
- Disseny d’infraestructures verdes i reutilització de calor residual.
5. Conclusió
- La IA és una tecnologia amb un impacte mediambiental creixent.
- Comparada amb altres tecnologies la IA no és la pitjor, però la seva velocitat de creixement pot convertir-la.
- L’objectiu és reduir aquest cost de mediambiental convertint a una IA més verda.
