La utilización de herramientas de inteligencia artificial para generar imágenes (y para muchas otras tareas) implica un consumo significativo de agua. Esto se debe principalmente a la necesidad de refrigerar los enormes centros de datos que albergan los servidores y las potentes unidades de procesamiento gráfico (GPU) que entrenan y ejecutan los modelos de IA.
Aquí se detalla por qué:
Refrigeración de centros de datos: Los modelos de IA, especialmente los generativos como los que crean imágenes, requieren una gran cantidad de energía computacional. Esta energía se disipa en forma de calor, y para evitar el sobrecalentamiento y el mal funcionamiento de los equipos, los centros de datos utilizan sistemas de enfriamiento masivos. Muchos de estos sistemas emplean torres de enfriamiento que dependen de la evaporación de grandes volúmenes de agua fresca para disipar el calor.
Generación de electricidad: La electricidad que alimenta estos centros de datos también tiene una huella hídrica asociada. Muchas centrales eléctricas, especialmente las térmicas, utilizan agua para sus sistemas de refrigeración o para generar vapor que mueve las turbinas. Por lo tanto, el consumo de electricidad de la IA se traduce indirectamente en un consumo de agua.
Fabricación de hardware: La producción de los microchips, servidores y otros componentes electrónicos necesarios para la infraestructura de la IA también requiere grandes cantidades de agua ultra-pura en sus procesos de fabricación.
Cifras y ejemplos:
Algunos estudios estiman que cada imagen generada por IA puede consumir entre 2 y 5 litros de agua.
Se ha reportado que la generación de un gran volumen de imágenes al estilo "Ghibli" en poco tiempo implicó un consumo de millones de litros de agua.
Grandes empresas tecnológicas como Google y Microsoft han reportado un aumento sustancial en el consumo de agua en sus centros de datos, directamente relacionado con el crecimiento de sus operaciones de IA. Microsoft, por ejemplo, informó un aumento del 34% en el uso de agua en 2022, atribuido en gran parte a la IA.
Se calcula que entrenar un modelo grande como GPT-3 puede consumir decenas de miles de galones de agua (unos 700.000 litros).
Consideraciones importantes:
Variabilidad: El consumo de agua puede variar mucho según el modelo de IA utilizado (su tamaño y complejidad), la eficiencia energética del centro de datos, la ubicación geográfica del centro de datos (clima, disponibilidad de agua) y si utilizan fuentes de energía renovable o sistemas de enfriamiento más eficientes (como la refrigeración líquida de circuito cerrado o el uso de agua no potable).
Transparencia: Una de las mayores dificultades para cuantificar el impacto ambiental de la IA es la falta de transparencia por parte de muchas empresas sobre sus datos de consumo de energía y agua.
Es un tema de preocupación creciente: A medida que la IA se vuelve más omnipresente, su huella hídrica se convierte en un tema de creciente preocupación para investigadores, ambientalistas y gobiernos, especialmente en regiones que ya enfrentan escasez de agua.
En resumen, sí, la generación de imágenes con IA, al igual que muchas otras aplicaciones intensivas en computación de la inteligencia artificial, tiene una huella hídrica considerable debido a la necesidad de enfriar los centros de datos y la energía que consumen.