5. Inteligencia artificial, sostenibilidad y acción climática
Objetivos de la mesa
- Analizar los impactos ambientales del desarrollo y uso de la inteligencia artificial, incluyendo el consumo energético, el uso de agua y la extracción de minerales estratégicos, así como sus implicaciones globales y locales.
- Explorar el potencial de la IA como herramienta para la transición ecológica, identificando aplicaciones en monitoreo ambiental, conservación de biodiversidad, gestión de recursos naturales y mitigación del cambio climático.
- Proponer principios y lineamientos multisectoriales para un desarrollo sostenible de la IA, que incluyan regulaciones ambientales, adopción de energías renovables, prácticas empresariales responsables y mecanismos de participación social.
Problemática
Si bien la IA puede contribuir a la protección ambiental, su desarrollo conlleva altos costos ecológicos —como el uso intensivo de energía, agua y minerales estratégicos— y no siempre se orienta hacia soluciones sostenibles.
Strubell et al. (2019) estiman que el entrenamiento de un solo modelo de lenguaje puede emitir más de 284 toneladas de CO₂, equivalentes a las emisiones anuales de cinco automóviles estadounidenses promedio. Este fenómeno se agrava con la carrera por entrenar modelos más complejos y con más parámetros, como se ha evidenciado en los reportes técnicos de Google, OpenAI y Meta, donde se reconoce que el escalamiento computacional ha sido clave para lograr avances recientes en IA (Shi et al., 2023)
Además del consumo energético, existe una preocupación creciente por la extracción de recursos minerales esenciales para la fabricación de hardware especializado (GPUs, TPUs), necesarios para ejecutar modelos de IA. Esta extracción suele concentrarse en países del Sur Global y tiene efectos negativos sobre ecosistemas, comunidades locales y fuentes de agua (Crawford, 2023). El concepto de “colonialismo de datos” se entrelaza con estas dinámicas, ya que los beneficios del desarrollo de IA se concentran en el Norte Global, mientras que los costos ecológicos y sociales se externalizan hacia el Sur Global.
Es indispensable establecer estándares que limiten la huella ambiental de los modelos de IA, y a su vez promover su uso para mitigar el cambio climático, gestionar recursos naturales y fortalecer la acción ecológica desde la ciencia de datos.
Para abordar este desafío, la academia debe investigar métodos de IA más eficientes energéticamente; la industria, adoptar prácticas sostenibles en el desarrollo y operación de tecnologías; el gobierno, establecer regulaciones ambientales específicas; la sociedad civil, promover la conciencia sobre el impacto ambiental de la IA; y se deben fomentar inversiones en energías renovables para alimentar las infraestructuras tecnológicas.
Preguntas guía
- ¿Qué estándares deben establecerse para que los modelos de IA reduzcan su huella ambiental?
- ¿Cómo puede utilizarse la IA para el monitoreo ambiental, la conservación de biodiversidad y el uso eficiente de recursos?
- ¿Qué regulaciones deben impulsarse sobre el uso de agua y minerales estratégicos en el desarrollo de IA?
- ¿Cómo incentivar a las empresas tecnológicas a adoptar prácticas sostenibles en sus centros de datos?
- ¿Cómo puede la sociedad civil participar en la vigilancia del impacto ambiental de la IA?