En los últimos meses, la inteligencia artificial generativa ha ganado peso e importancia. Chat GPT de OpenAI o Bard de Google, entre otros, son nombres 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. Escribe una crónica de la final del Mundial de Catar entre Argentina y Francia; redacta una poesía para mi pareja o, simplemente, resolver 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 está cambiando debido a la actividad humana y el aumento de las emisiones de gases de efecto invernadero. Los efectos del cambio climático son evidentes en todo el mundo», responde.

¿Cómo llega a esa conclusión? «La inteligencia artificial no piensa», responde Andrés Visus, director de desarrollo de negocio 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», explica.

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 asegurarse de que se utiliza 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 Visus

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 qué datos escoge y con qué finalidad», asegura Visus. Por ejemplo, ¿cuál es el animal más bonito? Chat GPT responde que «la belleza es algo subjetivo y puede variar según los gustos y preferencias de cada persona. Hay una amplia variedad de animales con características hermosas, por lo que la elección del animal más bonito puede ser muy personal. Algunas personas encuentran a los tigres, los delfines, los pavos reales, los colibríes, los cisnes o los pandas rojos como animales muy bonitos». Sin embargo, si esta herramienta «hubiera sido entrenada solo con información de gatos, habría respondido gatos», añade.

«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 de abordar 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 esté sesgada», revela Visus. «Luego, el científico de datos tiene que vigilar que el modelo no esté sesgando de forma inconsciente con la información dada, porque encuentre mayores correlaciones entre datos. Cuanta más gente valide esa información más neutral será», añade.

El reto climático

Aunque, la inteligencia artificial está presente en muchos procesos industriales está viviendo en los últimos años una época dorada y «es gracias a la confluencia de tres factores: big data, computación a bajo coste y desarrollo de modelos complejos de aprendizaje», asegura Nuria Oliver, académica de la Real Academia de Ingeniería y directora de la Fundación ELLIS Alicante. «Las soluciones innovadoras acelerarán la respuesta a los retos climáticos y medioambientales. La IA tiene el potencial de ser una herramienta útil en este sentido», apostilla Pinedo.

La inteligencia artificial basada en modelos de aprendizaje «nos permite optimizar procesos de innovación y eso supone optimización de consumos energéticos y reducción de residuos», explica Visus. «Si combinamos las iniciativas anteriores con casos de uso sostenible, entonces podemos hablar de la posibilidad de ayudar a la sociedad a ser más sostenible», destaca Curto.

«Los modelos fundacionales como GPT-4 o Bard están disparando los consumos»

Josep Curto

Cofundador de la Asociación Española de Inteligencia Artificial Responsable (AEIAR) y profesor 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 parámetros, mayor cantidad de datos, se dispara el consumo exponencialmente», advierte el experto de la UOC. «Los modelos fundacionales como GPT-4 o Bard están disparando los consumos», apostilla. Aunque, todavía no existen mediciones de cuánta energía consume al año la inteligencia artificial. Según investigadores de la Universidad de Massachusetts Amherst, entrenar a un solo modelo de IA tiene unas emisiones parecidas a las de cinco coches en toda su vida útil. «Lo que más consume es el hardware», apunta María Borbonés, IBM Client Engineering Manager and Solutions Architect. «Si lo haces más eficiente, entonces podrás construir algoritmos verdes que consuman menos energía».

Sin embargo, la programación no eleva el pico de consumo, sino que lo hace el entrenamiento que es dónde se concentran la mayor parte de las emisiones. Esa búsqueda de datos, de patrones y de correlación para encontrar una respuesta eleva el gasto de recursos.

Newsletter

Un estudio reciente encontró que la huella de carbono 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 un estadounidense promedio produce en dos años. Otras investigaciones van más allá y hablan de consumos equivalentes a los de 136 casas danesas 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 la 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 son una opción más sobre la que España ha apostado 257,7 millones de euros para «impulsar una inteligencia artificial respetuosa con el medioambiente y que aporte soluciones inteligentes a los desafíos ecológicos».

Enlace de origen : La mano que mece la inteligencia artificial: así se entrena para responder