El MIT y Princeton se alían para reducir los costes de los centros de datos

En 2030, el consumo energético de los centros de datos superará al de todo Japón. En ese horizonte temporal, las emisiones de carbono aumentarán en unos 220 millones de toneladas, más o menos lo mismo que emite España en un año entero, debido a la creciente demanda de electricidad de los data center y a su alimentación, mayoritariamente, a partir de combustibles fósiles.

Ambos datos han sido extraídos de informes de la Agencia Internacional de la Energía y del banco de inversiones Goldman Sachs, y ponen negro sobre blanco la preocupación generalizada sobre el consumo de los centros de datos, que proliferan debido a la irrupción de la inteligencia artificial.

En este escenario de enormes costes, tanto económicos como medioambientales, científicos de todo el mundo están analizando ya vías para mitigar el impacto de esos equipamientos que albergan la infraestructura informática con la que se entrena a los modelos de IA. Aumentar la eficiencia de los algoritmos, repensar los diseños de los centros de datos y hasta trasladarlos a la Luna son algunas de las opciones que se exploran, al tiempo que algunas compañías persiguen también materiales de construcción más sostenibles como alternativa al acero y el hormigón que rodean toneladas de hardware informático conectado por kilómetros de cable.

Eligiendo el lugar idóneo

Dentro de este abanico de posibilidades, investigadores del MIT (Massachussets Institute of Technology) y la Universidad de Princeton están desarrollando una herramienta de software orientada a planificar inversiones en el sector energético, que podría utilizarse para ayudar a las empresas a determinar la ubicación óptima -por ahorro económico y por reducción de impacto medioambiental- de sus centros de datos.

Y es que la elección del lugar puede tener un gran impacto en la huella de carbono de un data center. Construirlo, por ejemplo, en una región fría reduce el uso de aire acondicionado necesario para mantener fresco el hardware informático; y hacerlo cerca de fuentes de energía renovable permite minimizar la dependencia de combustibles fósiles.

Cambios en los procesos

Otras opciones a explorar pasan por aprovechar la variación de la cantidad de emisiones por cada kilowatio en función del momento; una cuestión relacionada con la composición del mix eléctrico, que, por ejemplo, tira más de las renovables de día que de noche.

Dada la flexibilidad de la carga de trabajo de la IA, pueden aprovecharse estas variaciones programando las tareas en determinados momentos. "Dividir las operaciones puede ser de gran ayuda", explica Deepjyoti Deka, investigador de la Iniciativa Energética del MIT, que estudia cómo programar las acciones informáticas para mejorar la eficiencia energética.

Además, el grupo de trabajo que dirige Vijay Gadepally, científico senior del Laboratorio Lincoln del MIT, descubrió que aproximadamente la mitad de la energía utilizada para entrenar un modelo de IA se destina a obtener "los últimos dos o tres puntos porcentuales de precisión".

Este hallazgo abre una reflexión sobre el nivel de precisión necesario para herramientas de uso diario, toda vez que una detención temprana de ciertos procesos supondría un gran ahorro.