La Inteligencia Artificial: hambrienta de energía. by Adam

adanelias321 — 2025-09-29 02:35:31 UTC

La inteligencia artificial (IA) se refiere a sistemas computacionales diseñados para realizar tareas que habitualmente requieren inteligencia humana: aprender de datos, reconocer patrones, tomar decisiones, generar texto o imágenes, entre otros. Estos sistemas se basan en algoritmos de aprendizaje automático o aprendizaje profundo, que se entrenan mediante grandes volúmenes de datos y muchos recursos computacionales. La IA se maneja a través de redes neuronales, optimización de parámetros y procesos de inferencia: durante el entrenamiento del modelo se ajustan millones o miles de millones de parámetros para que aprenda funciones complejas. Luego, cuando la IA está en uso, dichos modelos realizan predicciones o generan salidas basadas en nuevos datos. La IA nos ayuda en múltiples ámbitos: en medicina con diagnósticos y descubrimiento de fármacos, en transporte con vehículos autónomos, en eficiencia energética con la optimización de redes eléctricas, en atención al cliente con chatbots y en creación artística con la generación de imágenes o música. Su promesa radica en automatizar tareas, aumentar la productividad y descubrir patrones que los humanos no verían fácilmente.

adanelias321 — 2025-09-29 02:41:51 UTC

Para entender el costo climático de la IA, es importante hacer un breve recorrido histórico. Los primeros intentos de máquinas inteligentes datan de mitos antiguos o de la lógica simbólica en el siglo veinte, pero la IA moderna se consolida desde los años cincuenta con figuras como Alan Turing y el concepto de redes neuronales simples. Con el tiempo, el poder de cómputo, los avances en hardware como las unidades gráficas de procesamiento, la disponibilidad de datos masivos y mejoras en algoritmos permitieron que la IA escalara a sistemas mucho más complejos. En esta evolución, la sofisticación de los modelos, por ejemplo los modelos de lenguaje con miles de millones de parámetros, ha elevado sus costos energéticos y materiales.

Aquí surge lo que podríamos llamar el lado oscuro de la IA: la operación real de estos sistemas requiere enormes recursos. El entrenamiento de modelos de gran escala demanda vastas cantidades de electricidad. Según estudios del MIT, los modelos generativos requieren no solo energía sino también agua para sistemas de enfriamiento, y estos impactos ambientales se amplían conforme más uso se da a la IA. Además, los centros de datos que alojan el hardware que sustenta la IA ya representan una fracción importante del consumo eléctrico mundial.

adanelias321 — 2025-09-29 02:46:14 UTC

En cuanto a recursos específicos explotados, la IA consume electricidad, agua y materiales raros para fabricar los componentes. Por ejemplo, en muchos centros de datos se necesita agua para sistemas de enfriamiento, lo que puede ejercer presión sobre fuentes hídricas locales, especialmente en regiones donde el agua ya es escasa. El documento de la GAO señala que el consumo de agua de la IA es difícil de estimar con precisión porque las compañías no lo reportan consistentemente. También el análisis de ciclo de vida de los componentes implica extracción de minerales, transporte, manufactura y disposición final, lo que suma una huella ambiental significativa. En muchos casos, los modelos más generales tienen costos energéticos desproporcionados frente a modelos más especializados: en estudios comparativos se observa que despliegues de inferencia de modelos amplios consumen mucho más que modelos específicos bien diseñados.

La existencia de ética en el uso de la IA es un tema complejo. Conceptualmente sí existe una rama llamada ética de la inteligencia artificial, que reflexiona sobre responsabilidad, transparencia, impacto social, sesgo, privacidad y huella ambiental. Sin embargo, en la práctica muchas empresas no reportan sus consumos ni efectos ambientales, lo que genera opacidad. El estudio de la OECD sobre impactos ambientales de la IA subraya la necesidad de mediciones estandarizadas y políticas que incentiven la transparencia y el uso responsable . En muchos casos el desarrollo de IA prioriza la eficacia técnica o el rendimiento comercial, sin internalizar los costos climáticos y sociales. En otras palabras, la ética muchas veces se queda en promesas sin mecanismos efectivos de rendición de cuentas.

adanelias321 — 2025-09-29 02:47:26 UTC

En síntesis, la inteligencia artificial es una tecnología poderosa con enormes beneficios potenciales, pero esa promesa oculta un costo climático significativo: elevado consumo eléctrico, uso intensivo de agua, impacto material en la fabricación de hardware y generación de residuos electrónicos. La ética existe como disciplina, pero frecuentemente la práctica del sector no la integra de modo sistemático, especialmente en lo que respecta a impactos ambientales.

Para usar la IA de forma más eficaz y prevenir desastres climáticos asociados, es necesario introducir varias estrategias complementarias. Primero, es fundamental avanzar en transparencia y medición estandarizada de consumo energético, agua y emisiones en los modelos de IA, de modo que desarrolladores y usuarios conozcan su huella real. Segundo, se debe fomentar el uso de energías renovables en centros de datos y diseñar infraestructuras que optimicen el enfriamiento con tecnologías de baja demanda hídrica. Tercero, promover el diseño de modelos eficientes y especializados, evitando exagerar el tamaño del modelo cuando no es necesario, y aplicar técnicas de optimización para reducir recursos sin perder eficacia. Cuarto, implementar políticas públicas que incentiven prácticas sostenibles en la industria tecnológica, así como regulaciones que obliguen a reportes ambientales. Finalmente, crear conciencia entre los usuarios para que el uso de IA sea más mesurado y justificado. Solo con un enfoque conjunto técnico, regulatorio, ético y social podremos aprovechar los beneficios de la IA sin que su lado oscuro comprometa el equilibrio climático de nuestro planeta.

REFERENCIAS BIBLIOGRÁFICAS

adanelias321 — 2025-09-29 02:50:21 UTC

DW Español. (2024, 4 mayo). Inteligencia artificial: el costo climático oculto [Vídeo]. YouTube. https://www.youtube.com/watch?v=Lo1Gt6jf2aY

MIT News. (2025, enero 17). Explained: Generative AI’s environmental impact. MIT News. https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117

United Nations Regional Information Centre. (2023, noviembre 13). Artificial intelligence: How much energy does AI use? UNRIC. https://unric.org/en/artificial-intelligence-how-much-energy-does-ai-use/

Institute of Energy and the Environment. (2023, mayo 30). Why AI uses so much energy and what we can do about it. Penn State University. https://iee.psu.edu/news/blog/why-ai-uses-so-much-energy-and-what-we-can-do-about-it

U.S. Government Accountability Office. (2024, julio). Artificial intelligence: Information on measures to mitigate environmental impacts of AI systems (GAO-25-107172). https://www.gao.gov/assets/gao-25-107172.pdf

FILOSOFÍA & ÉTICA PROFESIONAL

adanelias321 — 2025-10-06 02:29:28 UTC

ESTUDIANTE:

ADÁN ELÍAS CASTILLO RAMÍREZ

CARNET:

CR-69304-25

DOCENTE:

LIC. JAIME ERNESTO PÉREZ CABRERA

ASIGNATURA:

FILOSOFÍA Y ETICA PROFESIONAL

EL SALVADOR, SAN SALVADOR