We’re getting a better idea of AI’s true carbon footprint
We’re getting a better idea of AI’s true carbon footprint
La exhaustiva auditoría realizada por Hugging Face al modelo de lenguaje BLOOM revela que los impactos ambientales van mucho más allá del simple consumo de electricidad durante el entrenamiento. Al incorporar la fabricación del hardware, el mantenimiento de la infraestructura y el uso operativo mediante herramientas como CodeCarbon, el estudio demuestra que la huella de carbono total de un modelo puede duplicarse cuando se analiza desde una perspectiva de ciclo de vida completo. Este enfoque holístico ofrece una imagen más precisa del costo ecológico de la inteligencia artificial, desplazando el debate más allá de las métricas aisladas hacia una comprensión más amplia de la sostenibilidad en el desarrollo del aprendizaje automático. La investigación destaca el papel crucial de la composición de la red eléctrica para determinar la intensidad de carbono de la IA. Las emisiones relativamente bajas de BLOOM se atribuyen en gran medida a su entrenamiento en un supercomputador francés alimentado por energía nuclear, en contraste marcado con los modelos entrenados en regiones que dependen de combustibles fósiles. Esta disparidad subraya que la eficiencia tecnológica por sí sola es insuficiente; la fuente de energía es igualmente determinante. En consecuencia, la ubicación geográfica de la infraestructura informática influye significativamente en la viabilidad ambiental de los modelos de lenguaje grandes, lo que sugiere que las políticas energéticas regionales están directamente vinculadas a la sostenibilidad de los avances globales en inteligencia artificial. Este análisis establece un nuevo estándar de transparencia y rigor en la medición del impacto ambiental de la IA, abordando la anterior falta de protocolos de medición estandarizados. Al ofrecer una evaluación detallada y honesta que supera los informes previos, el estudio fomenta que la comunidad investigadora más amplia adopte un nivel similar de exhaustividad. Este cambio es vital para las iniciativas de datos abiertos centradas en la ciencia del clima, ya que proporciona datos fiables y comparables necesarios para desarrollar estrategias que mitiguen la creciente huella de carbono del sector y fomenten la rendición de cuentas dentro de la comunidad de inteligencia artificial de código abierto.
Fuente: technologyreview.comPublicado el 2023-04-19