Revista Energética. Noviembre 2024

dígitos anuales en el consumo de agua por las GAMAM (Google, Amazon, Meta, Apple y Microsoft). Conviene mencionar el enorme volumen de agua necesario para refrigerar los centros de datos; agua que además debe tener una alta calidad, y ser adecuadamen- te tratada, compitiendo directamente con el agua para consumo humano, pues las sales e impurezas de las aguas no potables afectan al funcionamiento y durabilidad de los servidores. Y a ello tenemos que añadir, que el agua resultante del enfriamiento de los servidores frecuentemente no se puede reutilizar para el consumo, al contener resi- duos tóxicos derivados de la inmersión de sus componentes. Por ello, además de optimizar los algorit- mos haciéndolos más verdes, se están plan- teando otros modelos, como son: ubicar sus centros de datos en lugares con menos tensión hídrica, y establecer cargas de traba- jo más distribuidas. En un reciente anuncio, DeepMind, división de Google, ha conse- guido reducir casi a la mitad el consumo de energía y de agua simplemente gestionando el tráfico de datos de manera más racio- nal, así como rediseñando sus programas y aplicaciones con algoritmos más eficientes: algoritmos verdes. En este contexto, se está promoviendo la creación de un sello de cali- dad Green Tech para certificar aquellos mo- delos de IA sensibles a la sostenibilidad. Cuanto más avanza la inteligencia artificial (IA), más recursos utiliza La paradoja de la IA es que cuantos más avances presenta, más recursos utiliza. Como publicó el Instituto de la Ingeniería de España (IIE) recientemente, una consulta en ChatGPT, consume tres veces más energía que otra hecha en el buscador de Google. De la misma manera, investigadores de la Universidad de California-Riverside y de la Universidad de Arlington publicaron en octubre de 2023 su estudio ‘Making AI Less ‘Thirsty’: Uncovering and Addressing the Se- cret Water Footprint of AI Models’. GPT-3, que trabaja con 175.000 millones de parámetros, necesita 500ml de agua sólo para dar respuesta a entre 10 y 50 solicitu- des. Estas cifras serían incluso superadas en el caso de GPT-4, pues los servidores basa- dos en esta interacción ejecutan más cálcu- los para afinar las respuestas. Las evidencias sugieren que se ha infrava- lorado la huella hídrica de los centros de pro- ceso de datos, y los modelos más avanzados de IA, como GPT-3 y 4, podrían multiplicar su huella hídrica por cinco, ya que el cálculo ori- ginal de la huella hídrica se basó en una cifra proporcionada por OpenAI en 2020. Según Water UK, los centros de datos que se van a construir en el RU en el próximo quinquenio, necesitarán tanta agua como la de una po- blación de 500.000 personas. Reducir el consumo energético Para mitigar este colosal reto que tendremos que asumir en los próximos años, podemos emplear diversas herramientas: • Emplear algoritmos verdes, optimizando el procesamiento. • Utilizar energías renovables, reduciendo al menos un 40% las emisiones. • Los desarrolladores suelen priorizar la exactitud de los resultados sobre el con- sumo de energía. Por ejemplo, en el en- trenamiento y consultas con IA la meta es que el porcentaje de acierto sea muy alto, de hasta el 99,5%. Hay estudios que muestran que cada 0.02 % de aumento de precisión, aumenta el consumo ener- gético el 200%. En aquellas ocasiones en que no sea necesaria esta precisión, podremos ahorrar significativamente energía. • Optimizar el número de consultas a ba- ses de datos. • Utilizar cuando sea posible almacena- miento en caché. • Monitorizar de forma continua el funcio- namiento, priorizando la eficiencia. • Establecer rutinas de eliminación de la basura digital presente en los servidores. Mitigar la huella hídrica De igual forma, para reducir la huella hídrica podemos: • Reducir el calentamiento y la necesidad de refrigeración de los servidores, utili- zando algoritmos verdes. • Ubicar los centros de datos en localiza- ciones con temperaturas más modera- das: latitudes altas, mayores altitudes, soterramiento en profundidad. • Emplear aguas no potables y de origen renovable, por ejemplo, almacenando agua de lluvia. • Refrigeración líquida de precisión (por ejemplo, Iceotope), con fluidos especia- les que absorben el calor para luego disi- parlo en el aire. • Mantener la temperatura de los centros de datos unos grados más del estándar de 20º. Cada grado de aumento de tem- peratura, es un ahorro considerable de necesidades de refrigeración. Utilizar estrategias de computación sostenibles Asimismo, también es posible llevar a cabo estrategias de computación sostenibles como: • Apagar los servidores o ponerlos en stand-by cuando no estén en uso. • Sistemas de iluminación inteligente, con detectores de presencia. • Sustituir equipos por versiones mejora- das. • Mantener una temperatura adecuada al rendimiento del centro. Conclusiones Los algoritmos verdes son una excelente herramienta para afrontar el colosal gasto energético al que tendremos que hacer fren- te para recoger, almacenar y procesar las ingentes cantidades de datos e información que requiere la economía digital. Adicionalmente, el crecimiento del número de centros de datos creará una gran tensión hídrica por el enorme consumo de agua de calidad necesario para refrigerar adecuada- mente los servidores. Además de optimizar los algoritmos haciéndolos más verdes, se están planteando diversas soluciones, como son: ubicar los centros de datos en lugares con más disponibilidad hídrica, y establecer cargas de trabajo más distribuidas. Trabajando en ambas direcciones, se con- seguirá mitigar la huella de carbono ◉ soluciones de digitalización 59 ENERGÉTICA XXI · 241 · NOV 24