08. Mida el impacto medioambiental de sus implementaciones de IA.
¿Por qué es importante?
A medida que las soluciones basadas en IA se convierten en parte integral de los productos modernos, es necesario evaluar cuidadosamente su impacto medioambiental para garantizar la sostenibilidad a largo plazo. Los modelos de IA consumen una cantidad significativa de energía en el entrenamiento, la inferencia y las operaciones, y su huella de carbono también incluye las emisiones del hardware, el uso de agua para la refrigeración y el coste medioambiental de los equipos retirados. Para crear productos de IA responsables, los responsables de producto deben comparar y supervisar sus soluciones a lo largo de todo su ciclo de vida, desde el entrenamiento y la implementación del modelo hasta la inferencia continua y el fin de la vida útil del producto. Esto significa realizar un seguimiento del rendimiento y la adopción por parte de los usuarios, así como de la huella de carbono operativa, las emisiones incorporadas y la eficiencia energética en cada etapa.
¿Qué puedo hacer?
-
Lo primero es lo primero: incorpore el seguimiento medioambiental a las métricas de su producto. Anime a sus equipos técnicos a adoptar y comunicar periódicamente métricas como las emisiones de carbono y el consumo energético utilizando herramientas y bibliotecas de código abierto como Cloud Carbon Footprint de Especificación de intensidad de carbono del software (SCI) de la Green Software Foundation.
-
Colabore con sus equipos de datos o infraestructura para realizar un seguimiento del uso informático y las estimaciones energéticas en todos los entornos de productos de IA, como el almacenamiento de datos, la plataforma en la nube, los marcos de desarrollo de IA, los procesos de MLOps, los sistemas de gestión de versiones y los sistemas de supervisión y registro.
-
Si dispone de los recursos necesarios, considere la posibilidad de incorporar evaluaciones del ciclo de vida, empezando por el procesamiento de los modelos de IA, la fabricación de hardware y las emisiones de los centros de datos. Si le preocupan los costes, aproveche las herramientas disponibles gratuitamente (como las calculadoras de huella de carbono de código abierto) o comience con mediciones piloto ligeras para demostrar el valor inicial.
-
Impulse la transparencia en la selección de modelos y proveedores:
-
Utilice «tarjetas de modelo» que documenten las características y el rendimiento de los modelos de IA de forma coherente y estandarizada. Consulte las guías de Abrazo facial, que revelan la huella medioambiental de una amplia gama de modelos con su propuesta de puntuación energética para modelos de IA.
-
Solicite informes detallados sobre el consumo de energía directamente a sus proveedores, como los proveedores de nube o los laboratorios, ya que son los más indicados para proporcionar cifras precisas.
-
Realice un seguimiento de la huella inferencia a nivel de tarea, ya que para una misma tarea, diferentes modelos pueden utilizar diferentes cantidades de energía.
-
Adelántese a las regulaciones: por ejemplo, La Ley Europea sobre Inteligencia Artificial , el primer conjunto completo de regulaciones sobre IA, ha obligado a publicar información sobre el impacto medioambiental de la creación de modelos fundamentales, con sanciones significativas por incumplimiento. Como diseñador de sistemas de IA, puede utilizar de forma proactiva las tarjetas de modelos mencionadas anteriormente para comparar la huella medioambiental de los modelos que utiliza.
-
Genere estimaciones basadas en el uso para la inferencia: Impacto de GenAI ofrece una herramienta de código abierto llamada EcoLogits que proporciona estimaciones basadas en el uso para la inferencia de los servicios de IA más grandes y que puede incorporarse a proyectos de IA.
-
Prefiera los modelos de código abierto siempre que sea posible: son más transparentes, ofrecen una mayor visibilidad del uso de energía y el impacto medioambiental, y suelen ser más ligeros.
Aspectos a tener en cuenta
-
🌍 Medidas de eficiencia energética que conducen a una disminución del consumo
-
🧑💰 Medidas para prolongar la vida útil del hardware, reduciendo los residuos electrónicos
-
🌍 Inclusión de métricas medioambientales en el análisis y la presentación de informes sobre los productos
¿Cómo se ve el éxito?
Incluya métricas de sostenibilidad en el análisis de sus productos. Empiece a añadir datos como el consumo de energía, el consumo de agua y el impacto del análisis del ciclo de vida del hardware a sus paneles de control, junto con el rendimiento y la adopción. Realice un seguimiento de las mejoras cuantificables en la eficiencia energética a lo largo del tiempo. Además, puede implementar herramientas de control, como un umbral mínimo de calidad, antes de lanzar nuevas versiones de modelos tras el entrenamiento, para evitar una transferencia enorme con menor calidad. Empiece y vaya más allá de las emisiones de carbono e incluya el impacto del agua y el análisis completo del ciclo de vida del hardware (LCA).