Verónica Bolón Canedo: IA verde, hacia un futuro sostenible
Verónica Bolón Canedo protagonizó una sesión en el marco de la Cátedra de Inditex de la Universidade da Coruña centrada en los retos y oportunidades de la inteligencia artificial, abordando cómo desarrollar sistemas capaces, éticos y responsables que contribuyan de forma positiva a la sociedad.
La inteligencia artificial podría transformar el planeta para bien o para mal, y la diferencia depende de las decisiones que tomemos hoy. Con esta premisa como punto de partida, la sesión impartida por Verónica Bolón Canedo en el marco de la Cátedra de Inditex de la Universidade da Coruña reunió a estudiantes, investigadores y profesionales en torno a una de las conversaciones más necesarias del momento: cómo construir una IA que sea, al mismo tiempo, capaz y responsable.
La Cátedra de Inditex en la UDC constituye un espacio privilegiado de encuentro entre el mundo académico y el empresarial, concebido para explorar los retos más relevantes del entorno económico y social contemporáneo. Desde su creación, ha funcionado como una plataforma viva donde la investigación de frontera dialoga con la práctica empresarial, y donde la sostenibilidad ocupa un lugar central. La sesión de Bolón Canedo es un ejemplo claro de esta vocación. Una investigadora de primer nivel compartiendo conocimiento con una audiencia que combina la curiosidad académica con la inquietud profesional.
DISCIPLINA CON HISTORIA Y UN PRESENTE DESAFIANTE
La inteligencia artificial nació como disciplina en 1956, durante un célebre seminario de verano en el que un grupo de investigadores se planteó si las máquinas eran capaces de pensar. Desde entonces, la historia de la IA ha sido la de una montaña rusa de expectativas. Ha contando con épocas de euforia, seguidas de inviernos de desfinanciación, períodos de avance exponencial interrumpidos por la constatación de los límites reales de la tecnología.
Lo que ha cambiado en la última década es la confluencia de tres factores que, juntos, han resultado revolucionarios. Estsos son la disponibilidad masiva de datos, la potencia de cómputo y los avances en algoritmos de aprendizaje profundo. «Ahora mismo estamos en otra primavera de la IA, quizás incluso en verano«, explicó Bolón Canedo, «y como en todas las primaveras anteriores, hay que preguntarse qué viene después y qué podemos hacer para que el invierno, si llega, sea el menor posible.»
LA PREGUNTA QUE LO CAMBIA TODO
Bolón compartió los resultados de una encuesta realizada entre los alumnos donde la pregunta era la siguiente: ¿crees que la inteligencia artificial tiene un impacto positivo, negativo o neutro para el medio ambiente? El 63% respondió que negativo, un 32% consideró que podía ser positiva y apenas un 5% apostó por el impacto neutro. Unos resultados que Bolón Canedo aprovechó para subrayar que la tecnología nunca es neutra. Las herramientas que construimos llevan impresas las decisiones de quienes las diseñan, los datos con los que se alimentan y los objetivos que se les asignan.
Esta constatación abre la puerta al debate sobre la IA responsable, un concepto que la investigadora desglosó en cuatro dimensiones interrelacionadas.
La primera tiene que ver con el propio algoritmo. Este ¿es fiable?, ¿puede ser engañado? Bolón Canedo ilustró este punto con tomando como ejemplo el caso de unos investigadores que lograron confundir al detector de imágenes de Google, añadiendo ruido imperceptible para los humanos a fotografías de tortugas, logrando que el sistema las clasificara como algo completamente distinto.
La segunda dimensión conecta el algoritmo con las personas que lo usan, y aquí aparece el concepto clave de la transparencia ya que, entender cómo toma decisiones un sistema es imprescindible para confiar en él. «Hoy en día, los modelos más potentes son los menos explicables«, señaló la ponente. «Pueden detectar una enfermedad con más fiabilidad que un médico, pero no siempre podemos saber por qué.»
La tercera dimensión eleva la mirada hacia la sociedad. Los algoritmos deben respetar las normas que nos hemos dado como comunidad, incluido el derecho a la privacidad y la prohibición de discriminar.
Y la cuarta, la que Bolón Canedo lleva investigando con mayor intensidad en los últimos años, es la relación entre los algoritmos y el planeta.
EL COSTE INVISIBLE: ENERGÍA, AGUA Y CARBONO
En 2019 cayó en sus manos un artículo que cambió el enfoque de su investigación, el texto afirmaba que entrenar un único modelo de lenguaje de gran tamaño podía generar tantas emisiones de CO₂ como cinco automóviles durante toda su vida útil. «En ese momento ya llevaba más de diez años investigando en IA y nunca lo había considerado en esos términos«, reconoció. «Los ordenadores consumían electricidad, eso lo sabía, pero no había puesto cifras concretas sobre lo que eso significaba para el clima.»
A partir de ahí, comenzó a explorar lo que hoy se conoce como inteligencia artificial verde, un campo que busca desarrollar algoritmos más eficientes desde el punto de vista energético sin sacrificar su capacidad. La tendencia histórica en IA ha sido la de perseguir la máxima precisión sin importar el coste computacional, afinando los modelos indefinidamente mientras seguían mejorando, aunque la mejora fuese marginal. El cambio de paradigma que propone la IA verde consiste en incorporar el coste energético como una variable de optimización tan relevante como la precisión.
Los datos que la ponente fue presentando a lo largo de la sesión generaron un debate vivo entre los asistentes. Una estimación sobre el consumo de GPT-3 reveló que una única sesión de entrenamiento equivalía al consumo eléctrico de 126 hogares daneses. Generar una imagen mediante IA consume significativamente más energía que generar un texto equivalente. Incluso gestos aparentemente inocuos como escribir gracias al finalizar una consulta con un asistente de IA suponen iteraciones adicionales con su pequeño coste energético. Multiplicado por millones de usuarios, ese gasto hormiga se convierte en algo relevante, apuntó Bolón Canedo, con la ironía de quien sabe que la solución es tan simple como cambiar un hábito.
El impacto medioambiental de la IA va más allá del consumo de energía, los grandes centros de datos necesitan cantidades considerables de agua para refrigeración, y su localización puede agravar problemas de sequía en regiones ya vulnerables. La ponente mencionó la polémica suscitada hace unos años por la instalación de un centro de datos de Meta en una zona con problemas hídricos estructurales. El centro consumiría, por cada media hora de funcionamiento, la cantidad de agua que un español promedio usa en un año entero, decisiones de este tipo, señaló, son exactamente el tipo de consecuencias que la IA responsable debe anticipar y prevenir.
GEMELOS DIGITALES, DECISIONES ÉTICAS Y EL LÍMITE DE LA EFICIENCIA
La segunda parte de la sesión combinó la teoría con metodología participativa. A través de un ejercicio práctico con gemelos digitales urbanos, los asistentes tuvieron que plantearse ¿qué decisiones no debería tomar nunca una IA, aunque sea la solución más eficiente?
El escenario propuesto era el de una ciudad que utiliza su réplica digital para optimizar el tráfico, donde este modelo sugiere una solución que reduce tiempos de desplazamiento y emisiones, pero que convierte el centro urbano en un espacio diseñado exclusivamente para vehículos, dejando fuera a peatones, mayores y personas con movilidad reducida. ¿Debe el algoritmo implementar esa solución porque es la más eficiente? La respuesta que fue emergiendo en los grupos de trabajo fue un rotundo no, y la razón es que la eficiencia, tal como suelen medirla los algoritmos, tiende a expresarse en términos económicos o técnicos, ignorando impactos sociales que son difíciles de cuantificar, pero reales.
Algo que a tener en cuenta es que «cuando un gemelo digital optimiza algo, hay que tener muy claro qué es lo que estamos optimizando y para quién», resumió la ponente tras el ejercicio.
Debemos considerar que, «La tecnología puede decirnos cuál es la solución más eficiente y nos corresponde a nosotros decidir si esa solución es también la más justa.»
INVESTIGAR CON CONCIENCIA DE COSTE
En el campo de la IA verde es posible diseñar algoritmos que consuman menos recursos sin perder capacidad de forma significativa. Una de las líneas de trabajo más prometedoras al respecto, consiste en reducir la precisión numérica de los cálculos, pasando de los estándares habituales de 64 bits a representaciones de 16 u 8 bits. La pérdida de detalle es mínima para muchas aplicaciones, pero el ahorro energético es considerable.
Otras estrategias incluyen el diseño de arquitecturas de red más ligeras, el uso de técnicas de poda para eliminar conexiones redundantes en los modelos y el desarrollo de métodos de entrenamiento que alcancen el rendimiento deseado con menos iteraciones. «La idea no es renunciar a la precisión, sino preguntarnos si para este problema concreto necesitamos realmente el modelo más grande y potente que existe, o si uno más sencillo puede hacer el trabajo igual de bien”. El identificar y poder tomar este tipo de decisiones nos ayudaría a ser óptimos y consumir los recursos necesarios de manera optimizada.
Este cambio de mentalidad también tiene implicaciones para la forma en que la comunidad científica evalúa sus propios avances. Durante años, los benchmarks del campo medían únicamente la precisión de los modelos. La IA verde propone añadir métricas de eficiencia energética: no basta con saber si un algoritmo funciona mejor que el anterior, hay que saber también cuánto cuesta ese avance en términos de energía y recursos.
DEBATE
Durante la sesión se hizo un ejercicio por grupos donde nos enfrentamos a distintos retos y también se plantearon preguntas que pusieron a prueba los límites de las respuestas disponibles. ¿Cómo se puede auditar un algoritmo que no es explicable? ¿Quién regula los modelos de IA que se entrenan fuera de la Unión Europea? ¿Es la compensación de carbono para los centros de datos una solución real o un mecanismo para diferir el problema? ¿dónde ubicamos los centros de datos? ¿Cómo hacemos que la IA pueda ayudar a reducir la desigualdad?
Las respuestas a algunas de esas preguntas tienen respuesta parcial, otras están todavía abiertas y son precisamente las que orientan su agenda de investigación. «La regulación europea, con el AI Act, es un paso importante, pero la tecnología avanza más rápido que las normas«, reconoció. «Por eso es tan importante que quienes trabajan en empresas que ya usan IA o que van a usarla muy pronto tengan criterio propio para hacer las preguntas correctas.»
EL RETO QUE VIENE
Al cierre de la sesión, Bolón Canedo dejó sobre la mesa una reflexión que condensaba el espíritu de la jornada. La inteligencia artificial verde y la IA responsable son dos caras de la misma moneda. Una IA que discrimina no es responsable, aunque consuma poca energía; una IA que consume recursos de forma desmedida tampoco lo es, aunque sus decisiones sean imparciales. La responsabilidad es sistémica o no es.
El camino hacia esa responsabilidad sistémica pasa por la investigación, por la regulación y, de forma decisiva, por la formación de profesionales capaces de hacer las preguntas que importan. La Cátedra de Inditex en la UDC sigue siendo, sesión tras sesión, uno de los espacios donde esas preguntas encuentran el eco que merecen.