OPINIÓN: Por Sherif Elsayed-Ali, fundador múltiple en tecnología e inteligencia artificial y cofundador de Nexus Climate.
La IA está presente en todas las conversaciones sobre tecnología e innovación. Ha dominado el sector tecnológico durante un año y medio. Se ha promocionado como una solución para todo, desde la productividad hasta la educación, la sanidad y la crisis climática. Pero les contaré un secreto: esta IA, de la que todo el mundo habla, no ha hecho nada para solucionar la crisis climática.
En realidad, olvídalo. Es responsable de un aumento considerable en las emisiones de los centros de datos. Este tipo de IA, conocida como IA generativa o GenAI, es la que encontramos en los grandes modelos de lenguaje (LLM) en aplicaciones como ChatGPT y herramientas de generación de imágenes como MidJourney.
Se está invirtiendo mucho en GenAI; si todo este revuelo está justificado o no es tema de otro debate (en resumen: no, es una burbuja sobrevalorada que estallará). Lo que me preocupa es que el revuelo en torno a GenAI esté desanimando el papel de la IA en la lucha contra la crisis climática.
GenAI es un subconjunto del campo mucho más amplio de la IA y el aprendizaje automático.Puede ser útil para personas y organizaciones que abordan problemas climáticos, principalmente en el análisis de datos e información. Sin embargo, cuando se trata de descarbonizar cualquier cosa directamente, los LLM y sus equivalentes de imagen y vídeo son prácticamente inútiles.*
Pero existen numerosas tecnologías de IA y aprendizaje automático que contribuyen directamente a la descarbonización hoy en día. No son chatbots ni producen vídeos con solo pulsar un botón. Además, suelen consumir mucha menos energía que la GenAI. Un buen ejemplo es la predicción de series temporales, que utiliza valores pasados en un conjunto de datos de secuencias temporales para predecir valores futuros. No es atractiva ni llama la atención, pero puede ser extremadamente eficaz.
La IA y el aprendizaje automático están ayudando hoy a descarbonizar numerosos sectores e industrias, y muchas startups abordan grandes desafíos con sus productos de IA. Por mencionar algunos: Carbon Re , que hace más eficiente la combustión de combustible en la producción de cemento; Concrete AI , que optimiza las mezclas de hormigón; Foresight Data Machines , que aumenta la eficiencia de la producción de acero y BrainBox AI, que hace más eficiente la refrigeración de edificios. Están surgiendo muchos otros casos de uso interesantes; por ejemplo, Orbital Materials está utilizando la IA para diseñar nuevos materiales con bajas emisiones de carbono y los científicos de Princeton están utilizando la IA para controlar las reacciones de fusión.
Estas soluciones de IA son complejas. Requieren no solo experiencia en IA, sino también un profundo conocimiento del dominio. Requieren ingenieros e investigadores de IA que trabajen en estrecha colaboración con expertos en procesos industriales, química y ciencia de los materiales, entre otros. Requieren una gran cantidad de datos, casi siempre de propiedad privada.
Desarrollar un producto de IA que genere reducciones reales de emisiones es mucho más difícil que integrar un LLM en una aplicación de software. Las soluciones de IA reales para el clima tienen un enorme potencial para facilitar y acelerar la descarbonización y, por lo tanto, un potencial de retorno económico y financiero muy significativo. La IA es una herramienta fundamental para combatir el cambio climático, pero debemos dejar de hablar de LLM.
*Esto no quita nada a la arquitectura del transformador que subyace a GenAI y sus aplicaciones más amplias.
**Para mayor transparencia, soy cofundador de Carbon Re.
