José Duato lembra no CITIC unha das grandes materias pendentes da IA: a sustentabilidade
martes, 21 de xaneiro do 2025
O CITIC da Universidade da Coruña acolleu este luns 20 de xaneiro unha conferencia sobre IA e sustentabilidade a cargo de José Duato, CTO da empresa Qsimov Quantum Computing, catedrático da Universidade Politécnica de Valencia e académico de recoñecida traxectoria. A sesión, titulada Cara a unha Intelixencia Artificial medioambientalmente sostíbel e organizada no marco da Cátedra Inditex-UDC de IA e Algoritmos Verdes, partiu dunha análise do estado actual das tecnoloxías intelixentes, facendo un percorrido polo presente e o futuro da aprendizaxe profunda (Deep Learning) que é, segundo dixo, o método de IA máis potente, con potencial para afrontar o desafío do procesamento de enormes cantidades de datos, do desenvolvemento de novos métodos e do deseño de arquitecturas paralelas máis potentes. Porén, sinalou, este tipo de tecnoloxías teñen varias materias pendentes en materia de sustentabilidade enerxética.
Durante o relatorio, José Duato analizou en profundidade o impacto ambiental das tecnoloxías de Intelixencia Artificial, facendo fincapé no consumo enerxético que implica 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 acada niveis de consumo comparábeis ao de cidades enteiras”. Tamén destacou que o consumo enerxético da IA 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 permiten 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 re-adestramentos incrementais 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 notábel o impacto ambiental, sinalou.
A conferencia concluíu cunha reflexión colectiva sobre a necesidade de avanzar cara a unha IA responsábe 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.