• José Duato impartiu no CITIC a conferencia “Cara unha IA medioambientalmente sostible” no marco da Cátedra Inditex-UDC de IA e algoritmos verdes.

O CITIC da Universidade da Coruña acolleu este luns 20 de xaneiro a conferencia titulada “Cara unha Intelixencia artificial medioambientalmente sostible”, organizada no marco da Cátedra INDITEX-UDC de Intelixencia artificial en Algoritmos Verdes. Esta actividade, encadrada dentro do ciclo de charlas “Converxencia verde para un futuro sostible”, contou coa participación de José Duato, CTO de Qsimov Quantum Computing, catedrático da Universidade Politécnica de Valencia e académico de recoñecida traxectoria.

A través dunha contextualización sobre o presente da intelixencia artificial, Duato introduciu o concepto de aprendizaxe profunda ou deep learning, o método de IA máis potente. A necesidade de procesar enormes cantidades de datos, o desenvolvemento de novos métodos e o deseño de arquitecturas paralelas máis potentes converten a aprendizaxe profunda nun tema de actualidade.

Durante o relatorio, José Duato analizou en profundidade o impacto ambiental das tecnoloxías de intelixencia artificial, facendo fincapé no consumo enerxético que conleva o adestramento e uso de modelos avanzados de aprendizaxe profunda, como GPT-3. Explicou que o adestramento deste tipo de modelos pode chegar a consumir unha cantidade de enerxía equivalente á xerada por unha planta nuclear nunha hora, mentres que o uso masivo destas ferramentas alcanza niveis de consumo comparables ao de cidades enteiras. Tamén destacou que o consumo enerxético da intelixencia artificial podería representar o 30% do total mundial para 2030 e representar o 80% da enerxía utilizada en centros de datos, converténdose nun desafío para a sustentabilidade.

Na súa intervención, Duato expuxo solucións concretas para reducir este impacto, entre as que destacou os avances en algoritmos máis eficientes, coñecidos como algoritmos verdes, deseñados para optimizar os cálculos e minimizar o consumo enerxético. Tamén falou sobre os avances tecnolóxicos en hardware, como os aceleradores especializados e a integración de transistores tridimensionais, que melloraron a eficiencia dos sistemas actuais. Subliñou as oportunidades futuras que presentan tecnoloxías emerxentes como os transistores de nanotubos de carbono e os sistemas de computación analóxica, capaces de realizar múltiples operacións de forma simultánea cun consumo enerxético menor. O investigador tamén explicou que as matemáticas axudaron a optimizar os procesos de adestramento de modelos de IA a través de, por exemplo, algoritmos backpropagation, que permite que as máquinas aprendan dos seus erros e, co tempo, melloren as súas predicións.

Como parte da charla, compartiu os logros máis recentes de Qsimov, que inclúen un sistema de intelixencia artificial que permite realizar adestramentos incrementables sen esquecer coñecementos previos, o que o fai significativamente máis rápido e eficiente que as redes neurais convencionais. Este desenvolvemento, preparado para a computación híbrida e analóxica, reduce de maneira notable o impacto ambiental.

A conferencia concluíu cunha reflexión colectiva sobre a necesidade de avanzar cara a unha intelixencia artificial responsable e consciente do seu impacto ambiental. A actividade reuniu a un público diverso de profesionais, persoal de investigación e estudantes interesados no futuro da tecnoloxía e a súa relación coa sustentabilidade, consolidando o compromiso da Cátedra INDITEX-UDC coa promoción dun desenvolvemento tecnolóxico máis respectuoso co medio ambiente.