La sed oculta de la inteligencia artificial: el impacto hídrico de las imágenes generadas por IA

Las imágenes creadas por inteligencia artificial (IA), ya sean paisajes al estilo Studio Ghibli o retratos fantásticos generados por herramientas como DALL·E y Midjourney, nos deslumbran a diario. Sin embargo, detrás de esta magia digital se esconde un costo que pasa desapercibido: el consumo de agua dulce. Este recurso vital, escaso en muchas regiones del mundo, se evapora silenciosamente en el proceso de creación de estos contenidos digitales.

Investigaciones que revelan un problema escondido en la inteligencia artificial

Un estudio conjunto de las universidades de California en Riverside y Texas en Arlington, respaldado por una investigación de The Washington Post, ha sacado a la luz una dimensión ignorada del desarrollo de la inteligencia artificial: su intensa huella hídrica. De acuerdo con los expertos, entrenar un modelo de lenguaje como GPT-3 puede consumir hasta 5,4 millones de litros de agua. Esta cifra contempla tanto el agua utilizada para enfriar los centros de datos como la necesaria para generar la electricidad que alimenta estos sistemas.

Para ponerlo en perspectiva: durante su entrenamiento, GPT-3 “bebe” el equivalente a una botella de agua de medio litro por cada 10 a 50 respuestas que genera. Y eso sin contar el uso de modelos más recientes y potentes como GPT-4, cuyo consumo puede ser incluso mayor.

¿Por qué necesita agua la IA?

El proceso de funcionamiento de la inteligencia artificial implica varias etapas en las que el agua juega un papel fundamental:

1. Refrigeración de centros de datos: Grandes cantidades de agua potable se utilizan en torres de enfriamiento para evitar que los servidores se sobrecalienten.
2. Generación de electricidad: Muchas plantas termoeléctricas, que proveen energía a los centros de datos, también requieren agua para su propio enfriamiento.
3. Fabricación de hardware: Chips y servidores se producen con agua ultrapura, un proceso que además genera residuos contaminantes.

Un impacto que no se detiene tras el entrenamiento

El gasto hídrico no termina cuando el modelo de IA ha sido entrenado. Cada vez que una persona genera una imagen o texto usando estas herramientas, se activa el proceso de inferencia, que también requiere energía y, por tanto, agua. Esto convierte a cada interacción cotidiana con la IA en un aporte más a esta “sed digital”.

Las previsiones apuntan a un escenario alarmante: si no se adoptan medidas correctivas, el consumo de agua atribuible a la IA podría alcanzar entre 4.200 y 6.600 millones de metros cúbicos para 2027. Esta cantidad equivale al consumo anual de agua potable de entre cuatro y seis países como Dinamarca, o la mitad del Reino Unido. Y eso sin contar que en Estados Unidos, los centros de datos dedicados a IA podrían por sí solos superar esa cifra hacia 2028.

Estas cifras deben ser vistas en el contexto de una crisis hídrica global que ya afecta a millones de personas. Sequías prolongadas, infraestructura obsoleta y conflictos por el acceso al agua marcan la realidad de muchos países. En este escenario, el crecimiento descontrolado de la IA podría empeorar significativamente el acceso a este recurso esencial.

Uno de los aspectos más preocupantes señalados por los investigadores es la falta de transparencia. A diferencia de las emisiones de carbono, cuyo impacto se detalla en algunos informes técnicos de IA, el uso del agua permanece oculto. Además, las cifras relacionadas con la producción de hardware tampoco están disponibles de forma pública. Se sabe, por ejemplo, que solo el 50% del agua usada por plantas de semiconductores en Singapur es reciclada, y que muchas veces esa agua contiene productos químicos tóxicos.

¿Es posible una IA sostenible?

Algunas empresas, como Google y Microsoft, han prometido ser “positivas en agua” para 2030, es decir, devolver al ecosistema más agua de la que consumen. Pero según los expertos, esto no basta. Hace falta rediseñar completamente los procesos de entrenamiento y despliegue de inteligencia artificial considerando criterios de eficiencia hídrica.

Medidas como entrenar modelos en zonas de clima más templado o durante las horas más frescas del día pueden marcar una diferencia significativa. Este enfoque, conocido como “seguir la sombra” (en contraposición al tradicional “seguir el sol” que busca reducir emisiones), plantea un nuevo dilema: lo que beneficia al agua puede perjudicar al clima, y viceversa.

El precio oculto de una imagen bonita

Mientras admiramos una imagen creada por inteligencia artificial, como una escena fantástica digna del mejor anime, podría estar evaporándose medio litro de agua potable en algún lugar del mundo donde este recurso escasea. Esta paradoja pone de manifiesto una contradicción esencial: la tecnología que promete salvar al planeta podría estar, silenciosamente, contribuyendo a su deterioro.

La inteligencia artificial, si quiere ser parte de un futuro sostenible, no puede ignorar su “sed”. Solo una IA que también sea hidrosostenible podrá cumplir con sus promesas sin generar nuevos problemas globales.