Jonathan Koomey (Nueva York, 1962) ha rastreado la huella energética que deja la tecnología de la información durante más de tres décadas. Y ha expuesto sus hallazgos en universidades como Yale, Stanford o Berkeley. Durante todo ese tiempo, miró con lupa el consumo que generó el despliegue de internet y de su infraestructura. Esto le permitió desarrollar una teoría que lleva su nombre, según la cual la eficiencia de la computación se duplica cada cierto tiempo, lo que abre la puerta a un menor consumo de energía. Considera que la inteligencia artificial (IA) sigue el mismo camino. Y que los últimos anuncios de laboratorios chinos, como el lanzamiento de Kimi K3 o Gwen 3.8, son prueba de ello. Sin embargo, advierte de que el esquema estadounidense para ganar la carrera de la IA, basado en aumentar sin límite el tamaño de sus modelos, conlleva un enorme peaje energético. Desde su casa en California atiende a EL PAÍS por videollamada.
Pregunta. La ONU alerta de que para 2030 esta tecnología consumirá tanta agua como 1.300 millones de personas. ¿Cómo de posible cree que es?
Respuesta. Creo que nadie sabe realmente cuánta electricidad y agua usarán los centros de datos ni siquiera dentro de unos pocos años. Es algo sumamente incierto, aunque hay argumentos sólidos para pensar que la cifra que menciona es un tope al que podemos llegar. Sin embargo, también hay muchas razones para pensar que la demanda de servicios de IA será menor de lo que sugiere la creencia general y, al mismo tiempo, hay evidencia de que la eficiencia de estos sistemas inteligentes continuará aumentando.
P. ¿Por qué la demanda podría ser menor?
R. La mayoría de las proyecciones de crecimiento de la demanda de inteligencia artificial se han hecho en un período en el que las empresas están simplemente regalando una capacidad de cómputo muy por debajo del coste de producirla. Esa capacidad de cómputo que cuesta cinco euros se vende por un euro. Así que tan pronto como empiecen a cobrar por ello, la gente usará mucho menos IA.
P. De momento, el negocio de los modelos de lenguaje no parece ser rentable, ¿cuál es la situación con los centros de datos?
R. El modelo de negocio de los centros de datos convencionales consiste en utilizar servicios de computación para optimizar los procesos empresariales. Y ha sido muy rentable desde que existen estos centros, con pocas excepciones. Pero el modelo de negocio de los centros de datos de IA es incierto. Existen muchas dudas sobre cómo se recuperará la reciente inversión en inteligencia artificial. Nadie sabe con certeza cómo se desarrollará la situación.
P. China está tomando la delantera en el desarrollo de modelos más eficientes.
R. El aterrizaje de estos modelos, como Kimi K3, es una noticia positiva para la eficiencia porque para muchas aplicaciones ser un 80% o 90% igual de bueno que los modelos de frontera es suficiente. Y si pueden hacer eso de forma muchísimo más barata, cambian las reglas del juego. La suposición de las empresas de IA en Estados Unidos ha sido que la escala será lo que les dé la victoria, que cuanto más grandes sean los conjuntos de datos, más grandes sean los modelos y mayor sea la capacidad de cómputo, esto finalmente resultará en la mejora más rápida de los modelos.
P. ¿Se están equivocando?
R. Las empresas de IA de Estados Unidos están haciendo una apuesta, que es lo que se hace en los negocios todo el tiempo. La apuesta es que la escala va a ganar y quieren ser los primeros en llegar a la meta, porque piensan que si llegan primero serán los ganadores.
P. En EE UU está creciendo rápidamente el descontento por la proliferación de centros de datos, ¿son justificados los recelos?
R. No todos los involucrados en las propuestas de centros de datos están actuando de forma responsable. Un ejemplo es el centro de datos de xAI en Memphis, donde instalaron numerosos generadores de motores de avión, literalmente a escasos metros de las viviendas. Y eso es simplemente una irresponsabilidad flagrante. Por lo tanto, creo que hay preocupaciones locales legítimas.
P. Parece que la información que comparten las empresas sobre el consumo de la IA no está completa o no es clara.
R. La industria no ha hecho un buen trabajo en este sentido. La transparencia sobre el uso de energía y de agua es una parte fundamental para generar confianza con las comunidades locales y los gobiernos.
P. ¿La solución pasa por la fusión nuclear de la que algunos directores tecnológicos hablan?
R. Incluso si ya tuviéramos un prototipo de reactor de fusión, aún tardaríamos décadas en convertirlo en una flota real. Cuando la gente hace declaraciones sobre cosas que simplemente no pueden ser verdad en el mundo de la energía o el mundo de los átomos, me pongo muy nervioso. Esto no pasará en los próximos 10 años.
P. Algunas empresas, como Google o xIA ahora hablan de instalar centros de datos en el espacio.
R. Creo que es una distracción. No veo que resuelva muchos de los problemas que afronta esta industria actualmente. Tienes dificultades de ancho de banda, es decir, para transportar la información al espacio. También hay limitaciones sobre cómo enfrías estas cosas. Allí no hay convección como en la atmósfera, donde el aire viene y se lleva el calor. En el espacio no tienes eso en absoluto, así que necesitas radiadores muy grandes. Y luego está el problema de cómo reparas estos sistemas. ¿Qué vas a hacer? ¿Vas a subir allí a arreglar miles de satélites convertidos en centros de datos?
P. Entonces, ¿qué debería preocuparnos en los próximos cinco años?
R. No hay duda de que los centros de datos consumen electricidad; todas las actividades humanas consumen energía. La pregunta que debemos hacernos es si este uso de energía vale la pena. ¿Es esta una aplicación que ofrece un valor inmensamente superior a sus costes? Y por costes no me refiero solo al precio del servicio, sino también a los costes de contaminación, hídricos y sociales. Si la aplicación aporta un valor que supera con creces sus costes sociales, entonces probablemente merezca la pena. Aunque, de momento, muchos usuarios y empresarios siguen buscando ese valor.