En los últimos meses, la inteligencia artificial generativa ha ganado peso e importancia. Chat GPT de OpenAI o Bard de Google, entre otros, sus números que han aparecido y esperan quedarse en la sociedad por mucho tiempo. “Estos modelos ya no solo analizan datos y automatizan tareas, sino que, además, son incluso creativos”, apunta María Borbonés, IBM Client Engineering Manager and Solutions Architect.
Una creatividad que le permite dar una respuesta casi instantánea a una pregunta lanzada por el usuario. Escribir una crónica de la final del Mundial de Catar entre Argentina y Francia; redacta una poesía para mi pareja o, simplemente, resuelve dudas como, por ejemplo, ¿existe el cambio climático?. “Sí, el cambio climático es una realidad respaldada por una amplia evidencia científica. Existe un consenso abrumador en la comunidad científica de que el clima de la Tierra depende de la actividad humana y del aumento de las emisiones de gases de invierno. Los efectos del cambio climático son evidentes en todo el mundo”, responde.
¿Cómo llega a esa conclusión? «Inteligencia artificial no piensa», responde Andrés Visus, director de desarrollo de inteligencia artificial en PredictLand y profesor en Esic. “Lo que hace este tipo de tecnología es encontrar patrones y correlaciones y, en este caso, lo hace de textos en internet”, explícito.
La presencia e influencia de la IA crece día a día del mismo modo que lo hacen las dudas sobre sus consecuencias negativas. Un mal uso o una mala programación incrementa las desigualdades o puede desinformar. “Hay que velar por que se utilice de forma responsable. Nuestro objetivo es desarrollar y desplegar una IA que tenga un impacto beneficioso en la sociedad y, por supuesto, que sea respetuosa con el medioambiente”, apunta Alberto Pinedo, NTO de Microsoft en España.
En 2021, la Unesco fijó las bases para una inteligencia artificial más ética y, sobre todo, responsable: “Hay que prestar atención a los desafíos éticos que surgen debido al potencial de sus algoritmos para reproducir y reforzar los sesgos existentes, lo que puede exacerbar las formas ya existentes de discriminación, los prejuicios y los estereotipos”. “Los sesgos son una de las principales razones por las que un sistema de inteligencia artificial puede generar un impacto negativo, incluso cuando la intención era otra”, añade Josep Curto, cofundador de la Asociación Española de Inteligencia Artificial Responsable (AEIAR) y profesor de la Universidad Oberta de Cataluña (UOC).
“Hay varias figuras importantes a la hora de combatir los sesgos en inteligencia artificial”
Andrés Visús
Director de desarrollo de negocio Inteligencia Artificial en PredictLand y profesor en Esic
Esta nueva herramienta tecnológica tiene como base de datos la inmensidad de internet, pero “Alguien tiene que ‘decir’ a esa inteligencia que datos escoge y con que finalidad”, asegura Visus. Por ejemplo, ¿cuál es el animal más bonito? Cat GPT responde a «la belleza es algo subjetivo y puede variar según los gustos y preferencias de cada persona». tigers, los delfines, los pavos reales, los colibríes, los cisnes o los red pandas como animal muy bonito”.
«Hay varias figuras importantes a la hora de combatir los sesgos en inteligencia artificial, ya sea generativa o de automatización de procesos», explica el profesor de Esic. Una lucha que se ha abordado desde tres puntos de vista: identificación de los sesgos, que pueden ser sistémicos, humanos y estadísticos, establecer una monitorización y realizar acciones para paliarlos.
“El primer paso es que la base de datos no está sesgada”, reveló Visus. “Luego, el científico de datos tiene que vigilar que el modelo no está sesgando de forma inconsciente con la información dada, porque encuentra mayores correlaciones entre datos. Cuanta más gente válida esa información más neutral será”, añade.
El regreso climático
Sin embargo, la inteligencia artificial está presente en gran parte de los procesos industriales, está viva en los últimos años de una edad dorada y «es gracias a la confluencia de tres factores: big data, computación a bajo coste y desarrollo de modelos complejos de aprendizaje». Asegura Núria Oliver, académico de la Real Academia de Ingeniería y director de la Fundación ELLIS Alicante. “Las soluciones innovadoras acelerarán la respuesta a los desafíos climatáticos y ambientales. La IA tiene el potencial de ser una herramienta útil en este sentido”, apostilla Pinedo.
La inteligencia artificial basada en modelos de aprendizaje “nuestra permite optimizar procesos de innovación y eso supone optimización del consumo energético y reducción de residuos”, explica Visus. “Si combinamos las iniciativas anteriores con la usabilidad sustentable, deberíamos considerar la posibilidad de ayudar a la sociedad de una manera más sustentable”, dice Curto.
«Los models fundacionales como GPT-4 o Bard están disparando los consumos»
Josep Curto
Co-fundadora de la Asociación Española de Inteligencia Artificial Responsable (AEIAR) y profesora de la Universidad Oberta de Cataluña (UOC)
Precisamente, el uso de estos recursos energéticos está en el punto de mira. Los algoritmos que le dan vida gastan luz y agua. “A mayor complejidad (en estructura del modelo), mayor número de parametros, mayor cantidad de datos, se para el consumo exponencialmente”, aconseja el experto de la UOC. “Los modelos fundacionales como GPT-4 o Bard están disparando los consumos”, apostilla. Aunque, todavía no existieron mediciones de energía para consumir al año la inteligencia artificial. Según investigadores de la Universidad de Massachusetts Amherst, entrenar un solo modelo de IA tiene unas emisiones parecidas a las de cinco coches en toda su vida útil. «Lo que más consumibles es el hardware», apunta María Borbonés, IBM Client Engineering Manager y Solutions Architect. «Si lo haces más eficiente, entonces podrás construir algoritmos verdes que consuman menos energía».
Sin embargo, la programación no aumentará el pico de consumo, sino que lo hace el entrenamiento que es dónde concentran la mayor parte de las emisiones. Esta búsqueda de datos, patrones y conexiones para encontrar una respuesta eleva el gasto de recursos.
Un estudio reciente ha encontrado que la huella de CO2 de entrenar solo un modelo de aprendizaje profundo de última generación para realizar tareas de procesamiento del lenguaje natural es equivalente a la cantidad de CO2 que produce un promedio estadounidense en dos años. Otras investigaciones van más allá y hablan de consumos equivalentes a los de 136 hogares daneses en un año. «Es verdad que hay un gran consumo, pero estamos optimizando los algoritmos para que, junto con el hardware, todo el proceso sea más eficiente», responde el portavoz de IBM.
Así nacen los algoritmos verdes, más eficientes a la hora de construirlo, con menos consumo de recursos y consiguen el mismo resultado que los sus ‘hermanos’. De momento, su opción es más bien que España haya apostado 257,7 millones de euros para “impulsar una inteligencia artificial respetuosa con el medioambiente y que aporte soluciones inteligentes a los retos ecológicos”.
