Algoritmes verds per a una intel·ligència artificial sostenible

Tot el que fem té un impacte ambiental, i els algoritmes no en són una excepció. Per això, quan es dissenyen sense consideracions ecològiques, els algoritmes com els que utilitza la intel·ligència artificial poden arribar a tenir un cost immens per al planeta. Els algoritmes verds sorgeixen com a solució per resoldre-ho.

Un algoritme verd és un mètode de programació que busca reduir l’impacte ambiental de les aplicacions informàtiques, així com el seu ús per trobar solucions sostenibles.

Els algoritmes verds es diferencien dels vermells —també anomenats negres amb relació al color característic que s’associa al CO2— en el fet que optimitzen l’ús de recursos com la memòria, el processador, la bateria i l’amplada de banda, per minimitzar així la petjada de carboni dels dispositius o xarxes de comunicació.

Per entendre els algoritmes verds d’intel·ligència artificial, machine learning o derivats, cal tenir en compte dos elements diferents:

• D’una banda, la part de l’entrenament de l’algoritme, procés mitjançant el qual es crea el seu codi, i que tendeix a impactar força en conjunt. Una estimació que facilita visualitzar aquest impacte és la que indica que entrenar un d’aquests models emet el mateix que cinc cotxes, des que es fabriquen i fins que finalitzen la seva vida útil.
• D’altra banda, tenim la part d’ús de l’algoritme, que és l’impacte derivat de com sigui de massiva la seva aplicació. Com més s’utilitza un sistema digital, més impacta. Enviar una línia de xat, un àudio, una imatge o un vídeo són activitats que tenen una creixent petjada ambiental.

ChatGPT és una eina molt coneguda. És comprensible: el seu ús es va convertir en massiu en pocs mesos —en va trigar només dos a arribar als 100 milions d’usuaris actius—. Aquest sistema s’ha ajustat mitjançant tècniques de machine learning.
Com que ChatGPT és un dels models del llenguatge més grans que existeixen, la preocupació per la seva petjada de carboni està més justificada.

S’estima que entrenar ChatGPT va produir unes emissions de 502 tones de CO2 equivalents, derivades del consum elèctric de 1.287 MWh del model GPT-3. Altres fonts apunten 552 t CO2-eq. En qualsevol cas, es tracta d’una quantitat significativa.

Ara bé, si seguim la metàfora del cotxe, així com aquest contamina més quan l’utilitzen poques persones —cada vehicle de carsharing pot substituir entre 8 i 20 cotxes privats a Espanya—, és important entendre l’abast dels models de llenguatge. Que el mateix entrenament d’un algoritme sigui utilitzat per milions de persones és una manera de reduir-ne l’impacte base.

D’altra banda, tenim l‘impacte per ús, que resulta força més difícil d’estimar. Això és degut al baix impacte per càpita de ChatGPT, encara que hi ha estimacions que van des dels diaris a les 3,8 tones de CO2-eq diàries. La realitat és que ningú no sap del cert perquè mesurar-ho és gairebé impossible.

El que sí que se sap amb certesa és que utilitzar únicament energia renovable implicaria una reducció del 30 % al 40 % de les emissions associades. També que les emissions de ChatGPT per persona són baixes, amb un consum que ronda els 0,038 grams de CO2 per persona i dia.

Dit això, un altre dels problemes en l’àmbit dels algoritmes verds és la paradoxa de Jevons mitjançant la qual un augment de la seva eficiència en redueix el seu i, per tant, n’amplifica l’ús. Això porta a la pràctica a consums globals més elevats. És, sense cap dubte, un problema més complex del que sembla.

A finals de 2022, el Govern va aprovar el Pla nacional d’algoritmes verds com a part del Pla de recuperació que beurà directament dels fons europeus Next Generation UE i que va derivar en un Programa nacional d’algoritmes verds.

L’objectiu consisteix a impulsar la transició ecològica també des del disseny de solucions algorítmiques. Entre altres qüestions, es busca que la IA ajudi a implementar plans de sostenibilitat i fins i tot a buscar noves solucions climàtiques.

D’altra banda, el Pla i el seu Programa esperen dissenyar sistemes que permetin traçar les seves pròpies emissions, plantejar hackatons de dades obertes per resoldre reptes ambientals o impulsar el disseny d’algoritmes ètics.