«`html
¿Sabías que muchos profesionales del aprendizaje automático se sienten desconectados de la sostenibilidad de los modelos que desarrollan? Un reciente estudio de King’s College London ha puesto de manifiesto esta realidad inquietante. A pesar de que hoy en día hay más herramientas que nunca para monitorear el impacto ambiental de la inteligencia artificial, muchos encuestados expresaron una sensación de impotencia al no integrar la sostenibilidad en su trabajo diario. Este fenómeno resalta la urgente necesidad de empoderar a los desarrolladores para que consideren el impacto ambiental en sus decisiones cotidianas.
Encuesta y hallazgos clave
En esta investigación participaron 23 profesionales de ML de distintas partes del mundo, quienes compartieron sus percepciones sobre un sector que ha crecido a pasos agigantados en la última década. Las respuestas revelaron que, aunque existen herramientas para rastrear el impacto ambiental, muchos desarrolladores sienten que su trabajo no influye significativamente en la sostenibilidad. Un participante incluso dijo: “Como individuo, supongo que realmente no puedes hacer mucho”. Este sentimiento de impotencia es alarmante, sobre todo cuando consideramos la necesidad urgente de abordar los problemas ambientales relacionados con la tecnología.
La doctora Georgia Panagiotidou, autora del estudio y docente en visualización, destacó que hay una falta fundamental de agencia en la conversación sobre IA y sostenibilidad. Según ella, a pesar de contar con información y herramientas de monitoreo, muchos desarrolladores sienten que la industria no valora la sostenibilidad, y que sus esfuerzos individuales no tienen impacto alguno. “No se trata de criticar a los individuos, sino de trabajar con ellos para identificar los obstáculos que impiden el cambio en este ámbito”, afirmó.
El costo ambiental del aprendizaje automático
El aprendizaje automático, como parte de la inteligencia artificial, ha experimentado un crecimiento significativo, lo que ha contribuido a un aumento en las emisiones globales de gases de efecto invernadero en el sector de las tecnologías de la información y la comunicación (TIC). En la última década, las emisiones de este sector se han duplicado, y la demanda de recursos para los centros de datos que entrenan modelos de ML ha retrasado la descarbonización de las plantas de energía de carbón. Para abordar las preocupaciones sobre las emisiones de alcance tres en las empresas de TIC, se han desarrollado herramientas como CodeCarbon, que estiman las emisiones producidas al ejecutar código o entrenar modelos de IA.
A pesar de la disponibilidad de estas herramientas, los participantes en el estudio expresaron que la sostenibilidad no se considera un criterio de rendimiento en sus entornos laborales. Muchos creen que la responsabilidad recae en los grandes proveedores de modelos de lenguaje, como ChatGPT, en vez de en ellos mismos. ¿No te parece que este enfoque limita la capacidad de los desarrolladores para tomar decisiones informadas sobre sostenibilidad en su trabajo diario?
La cultura del rendimiento y la sostenibilidad
Los participantes también comentaron cómo, en sus respectivas áreas, ya sea en la academia o en la industria, la sostenibilidad se ve como un aspecto secundario, y no como un resultado ni una métrica de rendimiento. Un estudiante de doctorado compartió que, en un entorno competitivo donde se prioriza la precisión del modelo y la rapidez en la producción de investigaciones, la sostenibilidad a menudo queda relegada. “Necesito hacer mi investigación, y si le dijera a mi supervisor que no voy a utilizar la computadora de alto rendimiento porque me preocupan los pingüinos en la Antártida, eso no sería bien recibido”, explicó.
Sinem Görücü, candidata a Ph.D. y autora principal del estudio, destacó la importancia de las entrevistas cualitativas para comprender cómo cada individuo percibe su trabajo. “Nos sorprendió descubrir que las personas se sentían tan desempoderadas. Este grupo estaba compuesto por individuos conscientes del clima, pero que luchaban por ser activos en términos climáticos como desarrolladores”, comentó. La investigación sugiere que, aunque la IA responsable ha demostrado que se pueden incorporar aspectos periféricos en la práctica, aún queda mucho por hacer para integrar la sostenibilidad de manera efectiva.
Futuras investigaciones y conclusiones
El equipo de investigación planea realizar un estudio cuantitativo más amplio sobre las percepciones de sostenibilidad ambiental entre los practicantes de ML. Este trabajo es esencial para identificar áreas de mejora y fomentar una cultura que valore tanto la innovación como la responsabilidad ambiental en el campo del aprendizaje automático. La combinación de herramientas efectivas y un cambio de mentalidad podría ser clave para que los desarrolladores se sientan empoderados y puedan hacer una diferencia significativa en la lucha contra la crisis climática.
«`
