En la actualidad, hasta un 40% de esta energía se destina exclusivamente a la refrigeración de chips de alto rendimiento, lo que equivale al consumo eléctrico total del estado de California
Como ocurre con cada avance en inteligencia artificial, los usuarios no tardaron en experimentar con la nueva función de generación de imágenes en GPT-4o de OpenAI.
En esta ocasión, las redes sociales se llenaron de imágenes creadas con este modelo, destacando aquellas inspiradas en el icónico estilo del Studio Ghibli, el célebre estudio japonés de animación.
OpenAI describe este generador de imágenes como el más sofisticado hasta la fecha, resaltando su capacidad para representar con precisión el texto, seguir instrucciones detalladas y transformar imágenes cargadas en función del contexto de la conversación.
El impacto ambiental de la IA generativa
Más allá de su atractivo creativo y tecnológico, la generación de imágenes mediante inteligencia artificial conlleva un gran consumo energético, lo que plantea preocupaciones ambientales.
De acuerdo con el Departamento de Energía de Estados Unidos, se proyecta que para 2028 el consumo energético de los centros de datos de IA podría triplicarse. En la actualidad, hasta un 40% de esta energía se destina exclusivamente a la refrigeración de chips de alto rendimiento, lo que equivale al consumo eléctrico total del estado de California.
Además, estos procesos consumen agua indirectamente, ya que los centros de datos requieren enfriamiento constante. Un estudio realizado por la Universidad de Colorado Riverside y la Universidad de Texas Arlington estimó que cada imagen generada con IA podría implicar un gasto de entre 2 y 5 litros de agua, derivado de la energía utilizada en los servidores y su sistema de refrigeración.
Un análisis de 2024 de la Universidad Carnegie Mellon reveló que los sistemas de IA generativos pueden requerir hasta 33 veces más energía que un software especializado en una tarea similar.
Este estudio también evidenció que la cantidad de energía utilizada varía dependiendo del tipo de tarea realizada.
Por ejemplo, la clasificación de texto tiene un consumo promedio de solo 0.002 kWh por cada 1,000 inferencias, mientras que la generación de imágenes demanda hasta 2.9 kWh, lo que representa un consumo mil 450 veces mayor.
