Inteligencia Artificial y Cambio Climático: cómo están conectados y qué podemos hacer
Por Roel Dobbe (Postdoctoral Researcher) y Meredith Whittaker, co-fundadora del AI Now Institute (Artículo publicado originalmente en AI Now Institute y traducido por Mauro Accurso).
El pasado 20 de septiembre, trabajadores de 12 empresas de tecnología se unieron a la Huelga Mundial por el Clima para visibilizar el rol de la tecnología en el cambio climático y demandar “cero emisiones de carbono para 2030, cero contratos con empresas de combustibles fósiles, cero financiación a lobby de negacionismo climático, y cero daño a refugiados climáticos y comunidades afectadas”.
Esto puede haber sorprendido a algunas personas, ya que pocas veces se reconoce la contribución de la tecnología a la crisis climática. En general, el marketing de la industria suele resaltar las políticas verdes, iniciativas de sostenibilidad, y los futuros en los que la inteligencia artificial (IA) y otras tecnologías avanzadas brindan soluciones a los problemas climáticos.
Pero este tema tiene mucha más profundidad. En este post, describiremos lo que sabemos y no sabemos acerca del rol de la IA y la industria de tecnología en el cambio climático, y discutiremos distintas formas que los hacedores de políticas pueden abordar este impacto descomunal.
El costo climático de la computación global
La industria de tecnología enfrenta críticas por la gran cantidad de energía utilizada por su infraestructura de cómputo. En respuesta, las principales empresas del sector han desarrollado data centers más eficientes y se están asegurando que estos funcionen con energía renovable, al menos en cierto porcentaje. Las compañías no suelen ser tímidas sobre estos cambios, y suelen anunciarlos con marketing y fanfarria pública.
Estos cambios van en la dirección correcta, pero no están ni cerca de resolver el problema. La mayoría de las empresas de tecnología más grandes siguen utilizando ampliamente combustibles fósiles, y cuando se comprometen con metas de eficiencia, estas no están abiertas al escrutinio y la validación públicas.
Los investigadores Lotfi Belkhir y Ahmed Elmeligi estimaron que el sector tecnológico contribuirá entre 3 y 3.6% de los gases de efecto invernadero a nivel global para 2020, lo que significaría duplicar lo que la industria produjo en 2007 (Belkhir and Elmeligi, 2018). La huella global estimada para 2020 es comparable a la de la industria de aviación, y más grande que la de Japón (el quinto mayor contaminador del mundo). Los data centers representarán un 45% de esta huella (aumentando desde el 33% en 2010) y la infraestructura de red un 24%.
Para analizar algunos ejemplos concretos: el reporte Clicking Clean 2017 de Greenpeace mostró que las principales empresas de streaming Amazon Prime, HBO, y Netflix todas usan menos del 22% de renovables. Y el estado de Virginia del Norte, donde se alojan las mayores concentraciones de data centers del mundo, recibe su energía de una empresa de servicios púbicos con solo 1% de su electricidad de renovables (Cook et al., 2017).
Y se espera que estas cifras empeoren. Asumiendo que continúe el crecimiento exponencial del tráfico y almacenamiento de datos de las últimas tres décadas, Belkhir y Elmeligi estiman que la huella de carbono de la industria de tecnología puede aumentar hasta el 14% para 2040. Esto representaría “más de la mitad de la contribución relativa actual de todo el sector transporte” y más que la contribución relativa actual de EE.UU.
Con el surgimiento de la derrochadora minería de criptomonedas y las redes 5G que buscan hacer realidad el “internet de las cosas”, está en marcha una aceleración creciente de la recopilación de datos y el tráfico (Hazas et al., 2016). Además de las antenas de 5G que consumen mucha más energía que sus antecesoras 4G, la introducción de 5G está preparada para alimentar una proliferación de tecnologías intensivas en carbono, incluida la conducción autónoma y la cirugía telerobótica.
IA hace que la tecnología sea más sucia
En el campo de Ia IA hay una creencia dominante que “más grande es mejor”. En otras palabras, los modelos de IA que se apalancan en computación masiva se asumen que son “mejores” y más precisos. Rich Sutton, Distinguido investigador científico de Deepmind en Alphabet lo explica de esta forma: “los métodos que aprovechan la computación son, en última instancia, los más efectivos y por un amplio margen”.
Si bien esta narrativa es inherentemente defectuosa, sus suposiciones impulsan el uso de una mayor computación en el desarrollo de modelos de IA en toda la industria. El año pasado, OpenAI informó que “desde 2012, la cantidad de cómputo utilizado en las carreras de entrenamiento de IA más grandes ha aumentado exponencialmente con un tiempo de duplicación de 3.5 meses (en comparación, la Ley de Moore tiene un período de duplicación de 18 meses)”. Sus observaciones muestran que los desarrolladores “encuentran repetidamente formas de usar más chips en paralelo y están dispuestos a pagar el costo económico de hacerlo”.
Y a medida que la IA depende de más cómputo, su huella de carbono aumenta, con consecuencias significativas. En un estudio reciente de la Universidad de Massachusetts, Amherst estimó la huella de carbono de entrenar un gran modelo de procesamiento de lenguaje natural (PLN). Emma Strubell y sus coautores informaron que entrenar este modelo de IA produjo 300,000 kilogramos de emisiones de dióxido de carbono (Strubell et al., 2019). Eso es aproximadamente el equivalente a 125 vuelos ida y vuelta desde Nueva York a Beijing.
IA y la industria fósil
Además de su ya considerable impacto climático propio, las grandes compañías de IA están comercializando agresivamente sus servicios de IA (intensivos en carbono) a las compañías de petróleo y gas. Les ofrecen ayuda para optimizar y acelerar la producción de petróleo y la extracción de recursos. Amazon está atrayendo a clientes potenciales en la industria del petróleo y el gas con programas como “Prediciendo el próximo yacimiento petrolífero en segundos con Machine Learning”. Microsoft realizó un evento llamado “Empoderando petróleo y gas con IA”, y Google Cloud tiene su propio vertical de energía dedicado a trabajar con compañías de combustibles fósiles. Y C3 IoT, una compañía de IA creada originalmente para apoyar la transición hacia una sociedad alimentada por energía renovable, ahora ayuda a las grandes empresas de petróleo y gas (incluyendo a Royal Dutch Shell, Baker Hughes y Engie) a acelerar su extracción de combustibles fósiles.
Y recientemente, el Guardian examinó el rol de las grandes empresas de tecnología en mantener el mercado para los combustibles fósiles. Revelaron la cantidad enorme de dinero que las compañías tecnológicas invierten en organizaciones que realizan campañas activamente contra la legislación climática y promueven el negacionismo del cambio climático.
Opacidad y ofuscación
Cuando los investigadores y los formuladores de políticas intentan comprender la huella climática de la tecnología, queda claro de inmediato la poca información disponible. Solo les queda confiar en las divulgaciones voluntarias de las compañías, y no cuentan con acceso a la información que necesitarían para hacer una contabilidad exhaustiva del verdadero uso de energía de la tecnología.
En el estudio citado antes, Belkhir y Elmeligi exploran esta frustrante falta de acceso e información, y sus consecuencias para la investigación (Belkhir y Elmeligi, 2018). Muy pocos datos públicos están disponibles y no existen incentivos para que las empresas tecnológicas los publiquen. Sin la información necesaria para llegar a conclusiones sólidas, Belkhir y Elmeligit tuvieron que estimar el consumo de energía de los data centers en 2018 utilizando datos de 2008. Eso fue todo lo que tuvieron para trabajar, cuando en los últimos diez años tanto la escala de cómputo como las tecnologías que lo impulsan han cambiado radicalmente.
Los autores del reporte de Greenpeace observaron cuestiones similares y afirmaron que, si bien la industria ha adoptado con entusiasmo las métricas de eficiencia, “muy pocas empresas informan con métricas más nuevas […] que podrían aclarar la situación sobre una pregunta básica: ¿cuánta energía sucia se está utilizando y qué compañías están eligiendo energía limpia para la nube?”.
En su reporte, Greenpeace solicitó a las empresas tecnológicas que divulguen información directa sobre el impacto energético de sus data centers, incluyendo el tamaño de las instalaciones y el porcentaje de energías renovables que utilizan. Señalaron que “la continua falta de transparencia por parte de muchas compañías […] sigue siendo una amenaza significativa para la sostenibilidad a largo plazo del sector”. El informe también muestra que todavía se utilizan muchos atajos para que las cifras de sostenibilidad corporativa se vean mejor de lo que deberían (Cook et al., 2017; página 39).
Amazon Web Services (AWS) atiende a cerca de la mitad del mercado global de servicios en la nube o “infraestructura como servicio”. Eso significa que millones de negocios y empresas tecnológicas confían en la plataforma para sus operaciones online (incluido el almacenamiento y el cómputo de datos). A pesar de su obvia responsabilidad, el informe de Greenpeace afirma que la compañía se ha mantenido “casi completamente no transparente sobre la huella energética de sus operaciones masivas”. Esto, a su vez, hace que sea imposible para millones de organizaciones que dependen de la infraestructura de AWS evaluar e informar su propio consumo energético y huella de carbono. Tal opacidad no solo nos impide responsabilizar a las grandes empresas tecnológicas. También forma una barrera crítica para la contabilidad energética significativa en todos los sectores y organizaciones que dependen de la tecnología digital.
Consideraciones políticas
Dada la importante contribución de la industria tecnológica al cambio climático, está claro que los hacedores de políticas públicas harían bien en prestar más atención al impacto climático de la tecnología. Esto nos lleva a una pregunta clave: ¿cómo puede la política climática tener en cuenta mejor a la tecnología?
Hemos redactado siete recomendaciones que creemos que proporcionan un camino inicial hacia una política climática consciente de la tecnología y una política tecnológica consciente del clima.
1. Reclamar transparencia
En lugar de depender de Greenpeace y otras organizaciones, los reguladores deberían exigir a las empresas que brinden total transparencia en cuanto a su consumo de energía y huella de carbono.
La información sobre el impacto climático total de una empresa de tecnología debe estar disponible públicamente, y debe calcularse de manera que informe a los clientes y usuarios de la plataforma sobre el impacto de su propio uso de las API, ciclos de cómputo y otros recursos de infraestructura.
Estamos de acuerdo con los investigadores de IA que proponen “hacer de la eficiencia energética un criterio de evaluación para la investigación junto con la precisión y las medidas relacionadas”. Estos investigadores argumentan que las operaciones de punto flotante (el número real de computación necesaria) se deben recuperar como una métrica central para comparar modelos y métodos de entrenamiento (Schwartz et al., 2019). Esta sería una medida bienvenida que complementa las métricas de uso de hardware que se reportan típicamente y el tiempo necesario para ejecutar un algoritmo.
Calcular el uso real de energía es fácil, al igual que tener en cuenta las emisiones de carbono en varias unidades de cómputo (por operación, por ciclo de entrenamiento, por cliente o usuario de la nube, por instalación, etc.). Proporcionar dicha información a los reguladores y al público, y como parte de las interfaces para los lenguajes de programación de IA y los servicios en la nube, es un primer paso para crear una conciencia más amplia, informar a la regulación e incentivar a los investigadores y desarrolladores a tomar decisiones más conscientes y responsables.
2. Contabilizar toda la cadena de suministro
Comprender el uso de energía requerido para crear IA y producir sistemas técnicos a gran escala es solo un primer paso. Para contabilizar el verdadero impacto ambiental de la tecnología, necesitamos una visión mucho más amplia de todo el ecosistema tecnológico, que incluya lo que los economistas suelen denominar “externalidades”.
En “Anatomy of an AI System” (anatomía de un sistema IA), un ensayo de 2018 y un mapa a gran escala, la cofundadora de AI Now Kate Crawford y el profesor Vladan Joler examinaron un solo Amazon Echo, describiendo los recursos ambientales y laborales necesarios para desarrollar, producir, mantener y finalmente desechar este objeto elegante y aparentemente simple (Crawford y Joler, 2018). Su mapa muestra las cadenas de suministro globales que se requieren para producir el Echo, incluidos todos sus efectos extractivos en el medio ambiente. Esto se extiende mucho más allá de la extracción de combustibles fósiles e incluye la minería de minerales para chips, la explotación laboral humana para etiquetar datasets de entrenamiento y los importantes desechos producidos por los dispositivos de consumo diseñados para la obsolescencia programada.
Sin comprender toda esta cadena de suministro de principio a fin, no vamos a poder contabilizar por completo el impacto climático de la tecnología.
3. No conformarse con la eficiencia, y tener cuidado con los efectos rebote
Desde hace tiempo se sabe que las ganancias de eficiencia en un proceso o servicio dado pueden conducir a un crecimiento en nuestra dependencia de este mismo proceso o servicio, hasta tal punto que ese crecimiento total neutraliza las ganancias de eficiencia relativas. Este fenómeno se llama efecto de rebote.
Por ejemplo, investigadores en el Reino Unido mostraron efectos de rebote sustanciales en los viajes compartidos que permiten las aplicaciones de ride-sharing. Encontraron que compartir viaje de manera más eficiente conduce a un mayor uso de los automóviles, “cancelando del 68% al 77% de las reducciones de emisiones de CO2 y del 52% al 73% en los beneficios sociales agregados (incluida la congestión, la calidad del aire, las emisiones de CO2, el ruido) que se esperan del ride-sharing”(Coulombel et al., 2019).
Tenemos razón al desconfiar de que los esfuerzos de eficiencia en la computación podrían no conducir a ganancias climáticas, sino a una mayor dependencia de la computación. De hecho, hemos visto evidencia de esto durante décadas. De 1997 a 2017, el tráfico global de Internet aumentó en un factor de 1.7 millones, equivalente a más del doble cada año, mientras que los microchips solo se han vuelto dos veces más eficientes cada dos años (Ley de Moore).
Sabemos que las emisiones de carbono deben reducirse para evitar un colapso climático enorme. Si bien los porcentajes de eficiencia son esenciales, la contabilidad real de energía requiere números absolutos. Esto significa comprender los efectos de rebote de infraestructuras técnicas más eficientes y tomar medidas para garantizar que esto no conduzca a un aumento en el consumo de combustibles fósiles.
4. Que el análisis de la “política no-energética” sea una práctica estándar
Actualmente, la IA se está introduciendo en casi todas las áreas de política como una prioridad estratégica, sin tener en cuenta su impacto climático. Aquí vemos la importancia de la llamada política no-energética. Este término describe políticas que en su superficie no involucran al clima o al uso de energía, pero que, sin embargo, tienen profundas implicaciones climáticas.
En el Reino Unido, un estudio reciente en trece sectores no energéticos buscó comprender hasta qué punto estas políticas contabilizan el impacto energético. Los autores encontraron que las propuestas de políticas en sectores no-energéticos, como la agricultura o el transporte, a menudo no calculan el impacto climático. En todos los documentos de política sobre “Industria, negocios e innovación”, encontraron que “solo uno realiza un análisis dedicado del impacto de las políticas no-energéticas en los sistemas energéticos” (Cox et al., 2016).
La IA y la infraestructura técnica a gran escala tienen costos ambientales significativos. Y por eso, cuando la IA se integra en un dominio de política no-energética, sus impactos energéticos y climáticos deben calcularse como una parte estándar de la práctica política.
5. Integrar la regulación de tecnología y el desarrollo de políticas del Green New Deal
Mientras escribimos esto, la nueva Comisión Europea y el Parlamento Europeo están considerando la regulación de las empresas tecnológicas y analizando cómo implementar acuerdos climáticos ambiciosos. Hasta donde sabemos, estas dos áreas de políticas se discuten por separado en equipos y comités de políticas aislados. Dado el impacto climático de la tecnología, una integración de la política tecnológica y climática es urgente y no debería retrasarse más. Los Comisionados Europeos Timmermans y Vestager tienen la oportunidad de hacer esta importante conexión cuando comiencen a redactar sus planes de 100 días para la regulación climática y tecnológica.
6. Frenar el uso de IA para acelerar la extracción de combustibles fósiles
La IA que brindan las principales compañías tecnológicas se está utilizando para acelerar el descubrimiento y la excavación de petróleo y gas, acelerando efectivamente el cambio climático.
Como afirman los investigadores McGlade y Ekins en su innovador artículo de Nature de 2015, “un tercio de las reservas de petróleo, la mitad de las reservas de gas y más del 80 por ciento de las reservas actuales de carbón no deberían utilizarse desde 2010 hasta 2050 para alcanzar el objetivo de 2 °C”. En otras palabras, para garantizar que cumplamos el objetivo climático mínimo establecido por el Acuerdo de París, las reservas de combustibles fósiles deben permanecer en el suelo.
Dada la urgencia de este objetivo, está claro que los políticos tienen un papel para evitar que las empresas tecnológicas aceleren la exploración y excavación de petróleo. Es necesaria una regulación que restrinja el uso de IA para la extracción de combustibles fósiles.
7. Abordar el uso de IA para dañar y excluir refugiados climáticos
Según el Panel Intergubernamental del Cambio Climático (IPCC), la mejor ciencia climática estima que solo tenemos 8 años y medio antes de quemar el presupuesto de carbono restante que nos separa de un colapso ecológico irreversible.
Mientras tanto, el desastre climático ya se está sucediendo para millones de personas en todo el mundo. Solo en la primera mitad de 2019, un récord de 7 millones de personas fueron desplazadas debido a fenómenos climáticos extremos. Las personas de color, las personas pobres y las personas que viven en países en desarrollo están en la primera línea del cambio climático. Estas son las comunidades que necesitarán refugio y asistencia por parte de los países ricos y las personas que tienen la mayor responsabilidad por las emisiones de carbono.
En cambio, vemos emerger un patrón de exclusión, apoyado por la industria tecnológica. Amazon, Palantir y otras compañías están vendiendo tecnología que se está utilizando para acciones policiales, vigilancia y rastreo de comunidades vulnerables en los EE.UU., y personas que buscan refugio y asilo en la frontera de los EE. UU. Estas tecnologías son una parte central de una infraestructura diseñada para excluir a los necesitados y proteger a los más responsables de que rindan cuentas.
Un enfoque honesto e inclusivo para hacer que la industria tecnológica se responsabilice de los problemas del cambio climático debería incluir, y empezar, con detener el desarrollo y la aplicación de tecnologías de seguimiento y vigilancia que dañen a estas comunidades vulnerables.
Una llamada a la acción
La ciencia es clara: si los niveles de emisiones actuales se mantienen igual, quemaremos el presupuesto de carbono establecido por el IPCC en 8 años y medio. Una vez que lo hagamos, será casi imposible asegurar un planeta habitable.
Tristemente, vemos pocas acciones para frenar las emisiones, con la industria tecnológica jugando un papel importante en el problema.
Realizar la transición hacia una sociedad carbono-cero requerirá un cambio estructural significativo, pero aún hay una ventana de acción. Los encargados de formular políticas, los trabajadores de empresas de tecnología y los académicos tienen la oportunidad de liderar para hacer responsable a la industria tecnológica, y pocas tareas son más urgentes.
Los autores quisieran agradecer a sus colegas de AI Now por brindar sus consideraciones acerca de la investigación y redacción de este post. También invitamos a las personas que trabajan en las organizaciones que mencionamos en este post a compartir su trabajo, informes, documentos e ideas en Twitter (por favor incluir #AIandClimate, @roeldobbe, @mer__edith, @AINowInstitute).
Por favor citar el post original como: Dobbe, R. and Whittaker, M. (2019). AI and Climate Change: How they’re connected, and what we can do about it. AI Now Institute. Retrieved from https://medium.com/@ainowinstitute.
Referencias
- L. Belkhir and A. Elmeligi, “Assessing ICT global emissions footprint: Trends to 2040 & recommendations,” Journal of Cleaner Production, vol. 177, pp. 448–463, Mar. 2018.
- G. Cook et al., “Clicking Clean: Who is winning the race to build a green internet?,” Greenpeace, Washington, DC, Jan. 2017.
- N. Coulombel, V. Boutueil, L. Liu, V. Viguié, and B. Yin, “Substantial rebound effects in urban ridesharing: Simulating travel decisions in Paris, France,” Transportation Research Part D: Transport and Environment, vol. 71, pp. 110–126, Jun. 2019
- Cox et al., “Impact of Non-energy Policies on Energy Systems: a scoping paper”, UK Energy Research Centre, Nov. 2016.
- Kate Crawford and Vladan Joler, “Anatomy of an AI System: The Amazon Echo As An Anatomical Map of Human Labor, Data and Planetary Resources,” AI Now Institute and Share Lab, Sept. 2018.
- M. Hazas, J. Morley, O. Bates, and A. Friday, “Are There Limits to Growth in Data Traffic?: On Time Use, Data Generation and Speed,” in Proceedings of the Second Workshop on Computing Within Limits, New York, NY, USA, 2016, pp. 14:1–14:5.
- R. Schwartz, J. Dodge, N. A. Smith, and O. Etzioni, “Green AI,” arXiv:1907.10597 [cs, stat], Jul. 2019.
- E. Strubell, A. Ganesh, and A. McCallum, “Energy and Policy Considerations for Deep Learning in NLP,” arXiv:1906.02243 [cs], Jun. 2019.
