Sam Altman, director ejecutivo de OpenAI, asistió a un evento organizado por The Indian Express. Durante la entrevista Hizo algunas declaraciones notables, pero la más importante de todas fue aquella en la que habló de lo que cuesta entrenar un modelo de IA. De hecho, se quejó de lo injusto que era el debate sobre el consumo de energía de ChatGPT.
Formar personas también cuesta mucho. El entrevistador le preguntó a Altman sobre el consumo de energía de ChatGPT y Sam Altman se tomó unos segundos para responder la pregunta y luego hizo una comparación extraña (mi negrita):
Una de las cosas que siempre es injusta en esta comparación es que se trata de cuánta energía cuesta entrenar un modelo de IA versus lo que le cuesta a un humano ejecutar una consulta de inferencia.
Pero también se requiere mucha energía para entrenar a una persona.. Se necesitan unos 20 años de vida y toda la comida que comes durante ese tiempo antes de volverte inteligente. Y no sólo eso, fue necesaria la extensa evolución de los cien mil millones de personas que vivieron y aprendieron a no ser devorados por los depredadores y entendieron la ciencia, etc., para crearte.
La comparación justa es: si le preguntas a ChatGPT, ¿cuánta energía se requiere cuando el modelo está entrenado para responder esa pregunta en comparación con un humano? Y si lo medimos de esa manera, la IA probablemente ya se haya puesto al día en términos de eficiencia energética.
La formación es una cosa, la conclusión es otra.. La respuesta puede ser controvertida, pero hasta cierto punto es lógica: el aprendizaje, tanto en humanos como en IA, lleva tiempo y consume muchos recursos, pero esos costos son una cosa y los costos de inferencia, de “aplicar ese entrenamiento”, son otra. Una vez que aprendemos, no es demasiado difícil responder las cosas. Eso es lo que Altman está tratando de señalar aquí, reconociendo que aunque la IA usa mucha energía en el entrenamiento, se ha vuelto muy eficiente en la fase de inferencia, cuando realmente usamos ChatGPT. El problema es que, aunque Altman ya ha hablado de que el consumo es mínimo en la inferencia, no ofrece pruebas de ello.
El problema del agua ya no es un problema. También habló del controvertido consumo de agua que teóricamente se realizaba en los grandes centros de datos de IA. Sin embargo, reconoció que esto era un problema cuando “solíamos utilizar refrigeración por evaporación en los centros de datos”. Ahora, sin embargo, «no hacemos eso», recordó, dejando claro que las acusaciones de que «ChatGPT usa 17 galones por consulta o lo que sea» son completamente falsas, «completamente locas, no tienen conexión con la realidad». Pero aquí tampoco hay datos oficiales todavía de las empresas de IA.
¿Cuánto utiliza realmente la IA? La verdad es que a estas alturas no tenemos datos realmente claros sobre cuánto consume la IA tanto en la fase de entrenamiento como en la de inferencia. Hay quien ha estudiado el consumo de energía y agua y se ha equivocado exagerando drásticamente los datos, pero por ejemplo en Estados Unidos, donde se concentran un gran número de centros de datos, no hay legislación Esto obliga a la transparencia en estos números.
Modelos y centros de datos cada vez más eficientes. Uno de los estudios más interesantes fue el creado por Epoch AI en febrero de 2025, y en ese momento también se concluyó que la IA en realidad no consume tanto como supuestamente consume. De hecho, consumía relativamente poco y los modelos no han hecho más que mejorar en eficiencia. Los chips y los sistemas de refrigeración también han mejorado, y aunque los centros de datos ciertamente requieren enormes cantidades de energía, todavía estamos ciegos en este apartado.
En | España tiene un plan para conquistar más centros de datos que nadie y “protegerlos” de los costes energéticos.