DeepSeek o ChatGPT-4: ¿qué inteligencia artificial consume más energía?
ChatGPT fue el primer modelo de lenguaje de inteligencia artificial que tuvo éxito a nivel mundial, pero rápidamente le salió competencia. En la actualidad, contamos con Gemini de Google, Grok de xAI, LLaMA de Meta y, recientemente, sacaron DeepSeek, una alternativa china. Esta última herramienta de IA ha dado de qué hablar desde el principio y muchos la comparan con la opción de OpenAI. Pero, ¿cuánto consume de energía DeepSeek? ¿Y ChatGPT?
DeepSeek no llega a los resultados de ChatGPT, pero sí que los usuarios han comenzado a compararla por todo lo que ha conseguido sin llegar a gastar tanto dinero como OpenAI. El gasto económico tiene que ver en gran parte con el consumo energético de los sistemas de IA y lo cierto es que la empresa china ha logrado reducirlos considerablemente.
Según Sergi Simón, coordinador de los programas de gestión de riesgos y sostenibilidad de EALDE Business School, «a medida que los modelos de IA se vuelven más sofisticados y grandes […], las demandas de energía para entrenar y operar estos modelos aumentan considerablemente». Esto no solo tiene implicaciones monetarias, sino también medioambientales. DeepSeek es mucho más eficiente que ha generado debate sobre la creación de una inteligencia artificial sostenible.
¿Qué modelo es más eficiente y sostenible?
Si comparamos entre ChatGPT-4 y DeepSeek, el segundo sería el más eficiente, puesto que gasta menos energía. Sergi Simón dice que el entrenamiento de la IA de OpenAI es equiparable a «un SUV de alta gama, diésel o gasolina, que necesita una gran cantidad de combustible para recorrer distancias largas». Mientras tanto, la opción asiática «sería como un auto compacto de bajo consumo, que recorre la misma distancia utilizando mucho menos combustible».
El consumo de energía de GPT-4 alcanza, e incluso supera, los 400 MWh (megavatio-hora) en su entrenamiento. Desde EALDE Business School, lo comparan con la electricidad que utilizarían 40 hogares durante un año de media. En cambio, DeepSeek necesita unos 100 MWh para su aprendizaje, lo que supone un ahorro del 75% de energía.
¿De dónde viene la energía usada por la IA?
Según los datos recogidos por la International Energy Agency (IEA), los centros de datos en los que se alojan los servidores usados por los modelos de IA son responsables de cerca del 1% del consumo mundial de electricidad. Dicho porcentaje va aumentando a medida que más empresas apuestan por la IA. Cada vez son más las compañías que apuestan por data center abastecidos por energía renovable al 100%, por lo que la problemática es menor en cuanto al impacto en la huella de carbono, pero continúa siendo insuficiente.
«A pesar de estos avances, las energías renovables, como la solar y la eólica, plantean retos como la garantía de disponibilidad -indica Simón-. Cuando no hay suficiente sol o viento, la producción de electricidad puede no ser suficiente para satisfacer la demanda de los centros de datos, lo que representa un riesgo para la fiabilidad del suministro energético«.
Dado que la IA necesita utilizar energía constantemente para seguir entrenándose, los centros de datos pueden verse afectados por cortes de energía, según EALDE Business School. Esto podría resultar catastrófico para los sectores que se comienzan a aprovechar de la IA, como la salud. «Si un sistema de diagnóstico basado en IA en un hospital o un sistema de transporte autónomo dependiera de servidores que se caen debido a cortes de energía, los impactos serían graves», ejemplifica Sergi Simón.
El profesor de EALDE Business School propone que no solo se utilicen fuentes renovables. Las empresas también deben garantizar «un suministro estable mediante el uso de sistemas de respaldo como baterías de gran capacidad o fuentes híbridas de energía».
La computación cuántica reduciría el gasto energético en IA
Una forma de reducir el consumo energético en el procesamiento de datos en la inteligencia artificial sería la computación cuántica. A diferencia de las computadoras tradicionales, que representan información en valores de 0 y 1 (bits), las cuánticas recurren a qubits, que procesan grandes cantidades de información, proporcionando una mejor eficiencia con respecto a la energía.
Sergi Simón explica que «los modelos cuánticos podrían permitir el entrenamiento de IA en una fracción de la energía que requieren los sistemas tradicionales». De hecho, hay estudios que concluyen que podría reducirse el gasto de energía hasta en un 90%.
El experto de EALDE Business School especifica que IBM ya «ha demostrado que su plataforma cuántica puede realizar simulaciones complejas de materiales y moléculas de manera mucho más rápida y eficiente» que las opciones clásicas. Si su tecnología se aplicase a la inteligencia artificial, Simón cree que «podríamos ver una reducción en la potencia de computación necesaria para entrenar y operar» dichos modelos.
El experto de EALDE Bussiness School señala que el reto del consumo energético de la IA no tiene una solución simple. Simón comenta que «es necesarios adoptar una estrategia integral que combine» el uso de fuentes renovables confiables y la optimización de la eficiencia de los modelos de IA. DeepSeek es una demostración de que podemos reducir el uso de energía «sin sacrificar el rendimiento».
