• José Duato impartió en el CITIC la conferencia “Hacia una IA medioambientalmente sostenible” en el marco de la Cátedra Inditex-UDC de IA y algoritmos verdes.

El CITIC de la Universidade da Coruña acogió este lunes 20 de enero la conferencia titulada «Hacia una Inteligencia Artificial medioambientalmente sostenible», organizada en el marco de la Cátedra INDITEX-UDC de Inteligencia Artificial en Algoritmos Verdes. Esta actividad, encuadrada dentro del ciclo de charlas «Convergencia verde para un futuro sostenible», contó con la participación de José Duato, CTO de Qsimov Quantum Computing, catedrático de la Universidad Politécnica de Valencia y académico de reconocida trayectoria.

A través de una contextualización sobre el presente de la inteligencia artificial, Duato introdujo el concepto de aprendizaje profundo o deep learning, el método de IA más potente. La necesidad de procesar enormes cantidades de datos, el desarrollo de nuevos métodos y el diseño de arquitecturas paralelas más potentes han convertido el aprendizaje profundo en un tema de actualidad.

Durante la ponencia, José Duato analizó en profundidad el impacto ambiental de las tecnologías de inteligencia artificial, haciendo hincapié en el consumo energético que conlleva el entrenamiento y uso de modelos avanzados de aprendizaje profundo, como GPT-3. Explicó que el entrenamiento de este tipo de modelos puede llegar a consumir una cantidad de energía equivalente a la generada por una planta nuclear en una hora, mientras que el uso masivo de estas herramientas alcanza niveles de consumo comparables al de ciudades enteras. También destacó que el consumo energético de la inteligencia artificial podría representar el 30 % del total mundial para 2030 y representar el 80 % de la energía utilizada en centros de datos, convirtiéndose en un desafío para la sostenibilidad.

En su intervención, Duato expuso soluciones concretas para reducir este impacto, entre las que destacó los avances en algoritmos más eficientes, conocidos como algoritmos verdes, diseñados para optimizar los cálculos y minimizar el consumo energético. También habló sobre los avances tecnológicos en hardware, como los aceleradores especializados y la integración de transistores tridimensionales, que han mejorado la eficiencia de los sistemas actuales. Subrayó las oportunidades futuras que presentan tecnologías emergentes como los transistores de nanotubos de carbono y los sistemas de computación analógica, capaces de realizar múltiples operaciones de forma simultánea con un consumo energético menor. El investigador también explicó que las matemáticas han ayudado a optimizar los procesos de entrenamiento de modelos de IA a través de, por ejemplo, algoritmos backpropagation, que permite que las máquinas aprendan de sus errores y, con el tiempo, mejoren sus predicciones.

Como parte de la charla, compartió los logros más recientes de Qsimov, que incluyen un sistema de inteligencia artificial que permite realizar reentrenamientos incrementales sin olvidar conocimientos previos, lo que lo hace significativamente más rápido y eficiente que las redes neuronales convencionales. Este desarrollo, preparado para la computación híbrida y analógica, reduce de manera notable el impacto ambiental.

La conferencia concluyó con una reflexión colectiva sobre la necesidad de avanzar hacia una inteligencia artificial responsable y consciente de su impacto ambiental. La actividad reunió a un público diverso de profesionales, personal de investigación y estudiantes interesados en el futuro de la tecnología y su relación con la sostenibilidad, consolidando el compromiso de la Cátedra INDITEX-UDC con la promoción de un desarrollo tecnológico más respetuoso con el medio ambiente.