Desde la irrupción de ChatGPT en 2022, la inteligencia artificial se ha integrado profundamente en nuestra vida diaria. Muchos de nosotros hemos cambiado nuestras búsquedas en Google por las de IA. Sin embargo, este avance tiene un coste energético considerable: una consulta a una IA puede consumir hasta diez veces más energía que una búsqueda web tradicional, y generar una imagen puede multiplicar ese gasto por mil. Las estimaciones más alarmantes sugieren que, en solo tres años, la IA podría consumir tanta agua como una población de 13.000 millones de personas. Esta situación plantea un desafío crucial para la sostenibilidad tecnológica.
Ante este panorama, surge una solución que promete una especie de 'liposucción' para la inteligencia artificial. Román Orús, cofundador y director científico de Multiverse, explica que al analizar la estructura matemática de estos modelos de IA, se detecta una gran cantidad de redundancia y elementos innecesarios. Es en esta redundancia donde reside la oportunidad de optimización.
La 'Dieta' Energética de la Inteligencia Artificial
Multiverse, una empresa que ya ha captado inversiones por valor de 700 millones de dólares, ha desarrollado una tecnología capaz de comprimir los modelos de IA. El objetivo es hacerlos más eficientes, sostenibles, portables y seguros. Han logrado reducir el tamaño de algunos modelos en más de un 90%, llegando incluso al 97% en ciertos casos.
"Por eso decimos que somos como un Ozempic. Somos capaces de comprimir esta inteligencia artificial para que ocupe mucho menos espacio en memoria, sea más ágil y, sobre todo, no consuma tanta energía", explica Orús.
Los modelos comprimidos consumen la mitad de energía, o incluso menos, según Orús. Lo más sorprendente es que esta reducción de tamaño y consumo apenas afecta la precisión, con una pérdida mínima que oscila entre un 3% y un 4%. Esto nos lleva a cuestionar la necesidad de modelos de IA gigantescos para todas las aplicaciones.
Modelos Especializados: La Clave de la Eficiencia
Orús argumenta que no todas las aplicaciones requieren sistemas tan grandes como los actuales. Los modelos de IA están evolucionando a un ritmo vertiginoso, y la tendencia es buscar siempre la última y más potente versión para cualquier tarea. Sin embargo, para muchas funciones, un modelo más sencillo y especializado podría ser igual de efectivo. Por ejemplo, para algo tan específico como encontrar la receta de la paella, un modelo más ligero podría ofrecer la respuesta correcta sin el enorme gasto energético de un modelo de lenguaje masivo.
Esta visión propone un cambio de paradigma: en lugar de buscar un modelo universal para todo, se aboga por el desarrollo de inteligencias artificiales más especializadas que se adapten a las necesidades concretas de cada tarea. Esto no solo optimizaría el consumo energético, sino que también haría la IA más accesible y fácil de integrar en diversas plataformas y dispositivos.
La tecnología de Multiverse no solo aborda un problema ambiental crítico, sino que también abre la puerta a una IA más ágil y eficiente. Al reducir su 'peso', se facilita su implementación en dispositivos con recursos limitados y se acelera su procesamiento, lo que podría democratizar aún más el acceso a estas herramientas y expandir sus aplicaciones prácticas. Estamos ante una 'dieta' tecnológica que podría redefinir el futuro de la inteligencia artificial, haciéndola más sostenible y adaptable a nuestras necesidades reales.
