DeepSeek vs ChatGPT-4: comparación del consumo energético
ChatGPT fue el primer modelo de lenguaje de inteligencia artificial que tuvo éxito a nivel mundial, pero rápidamente le salió competencia. En la actualidad, contamos con Gemini de Google, Grok de xAI, LLaMA de Meta y, recientemente, sacaron DeepSeek, una alternativa china. Esta última herramienta de IA ha dado de qué hablar desde el principio y muchos la comparan con la opción de OpenAI. Pero, ¿cuánto consume de energía DeepSeek? ¿Y ChatGPT?
DeepSeek no llega a los resultados de ChatGPT, pero sí que los s han comenzado a compararla por todo lo que ha conseguido sin llegar a gastar tanto dinero como OpenAI. El gasto económico tiene que ver en gran parte con el consumo energético de los sistemas de IA y lo cierto es que la empresa china ha logrado reducirlos considerablemente.
Según Sergi Simón, coordinador de los programas de gestión de riesgos y sostenibilidad de EALDE Business School, «a medida que los modelos de IA se vuelven más sofisticados y grandes […], las demandas de energía para entrenar y operar estos modelos aumentan considerablemente». Esto no solo tiene implicaciones monetarias, sino también medioambientales. DeepSeek es mucho más eficiente que ha generado debate sobre la creación de una inteligencia artificial sostenible.
Dado que la IA necesita utilizar energía constantemente para seguir entrenándose, los centros de datos pueden verse afectados por cortes de energía, según EALDE Business School. Esto podría resultar catastrófico para los sectores que se comienzan a aprovechar de la IA, como la salud. «Si un sistema de diagnóstico basado en IA en un hospital o un sistema de transporte autónomo dependiera de servidores que se caen debido a cortes de energía, los impactos serían graves», ejemplifica Sergi Simón.
El profesor de EALDE Business School propone que no solo se utilicen fuentes renovables. Las empresas también deben garantizar «un suministro estable mediante el uso de sistemas de respaldo como baterías de gran capacidad o fuentes híbridas de energía».
La computación cuántica reduciría el gasto energético en IA
Una forma de reducir el consumo energético en el procesamiento de datos en la inteligencia artificial sería la computación cuántica. A diferencia de las computadoras tradicionales, que representan información en valores de 0 y 1 (bits), las cuánticas recurren a qubits, que procesan grandes cantidades de información, proporcionando una mejor eficiencia con respecto a la energía.
Sergi Simón explica que «los modelos cuánticos podrían permitir el entrenamiento de IA en una fracción de la energía que requieren los sistemas tradicionales». De hecho, hay estudios que concluyen que podría reducirse el gasto de energía hasta en un 90%.
El experto de EALDE Business School especifica que IBM ya «ha demostrado que su plataforma cuántica puede realizar simulaciones complejas de materiales y moléculas de manera mucho más rápida y eficiente» que las opciones clásicas. Si su tecnología se aplicase a la inteligencia artificial, Simón cree que «podríamos ver una reducción en la potencia de computación necesaria para entrenar y operar» dichos modelos.
El experto de EALDE Bussiness School señala que el reto del consumo energético de la IA no tiene una solución simple. Simón comenta que «es necesarios adoptar una estrategia integral que combine» el uso de fuentes renovables confiables y la optimización de la eficiencia de los modelos de IA. DeepSeek es una demostración de que podemos reducir el uso de energía «sin sacrificar el rendimiento».
