Anàlisi quantitativa del consum energètic, les emissions de CO₂ i l'ús de recursos hídrics generats per la intel·ligència artificial.
La intel·ligència artificial ha experimentat un creixement exponencial en els últims anys. Models com GPT-4, Gemini o Claude requereixen infraestructures de còmput massives que consumeixen grans quantitats d'energia elèctrica, la major part de la qual prové, encara avui, de fonts no renovables.
El mal ús de la IA —entès com l'ús innecessari, repetitiu o desproporcionat per a tasques trivials— amplifica aquest impacte sense aportar valor real. Generar una imatge decorativa, demanar respostes llargues per a preguntes simples o entrenar models en excés: tot suma.
"Entrenar GPT-3 va emetre tants CO₂ com cinc cotxes americans durant tota la seva vida útil combinada."
— Emma Strubell et al., "Energy and Policy Considerations for Deep Learning in NLP" (2019)*Per models de difusió d'alta resolució (Midjourney, DALL·E 3). Fonts: Lottick et al. (2019), Strubell et al. (2019), Patterson et al. Google (2021).
Font: Li et al., "Making AI Less Thirsty" (2023), Universitat de Califòrnia Riverside.
Reduir l'impacte mediambiental de la IA no vol dir deixar d'usar-la, sinó fer-ho de manera conscient i eficient. Existeixen mesures a nivell individual, empresarial i polític.
Usar la IA només quan realment aporta valor. Evitar generar contingut redundant o de baixa necessitat.
Exigir que els centres de dades funcionin amb energia 100% renovable. Google i Microsoft ja s'hi han compromès parcialment.
Prioriar models especialitzats i lleugers (IA al dispositiu, edge AI) per a tasques que no requereixen models enormes.
Aplicar tècniques de fine-tuning sobre models existents en lloc d'entrenar des de zero repetidament.
Les empreses han de publicar les seves emissions de CO₂ per model i per inferència. Sense dades, no hi ha responsabilitat.
L'AI Act europeu i les futures regulacions han d'incloure criteris mediambientals obligatoris per als sistemes d'IA.
La intel·ligència artificial és una tecnologia transformadora, però el seu cost mediambiental és real i mesurable. Cada consulta, cada model entrenat i cada centre de dades alimentat amb energia fòssil contribueix al canvi climàtic.
La bona notícia és que les solucions existeixen: des de l'ús conscient de l'usuari individual fins a la regulació estatal i la innovació tecnològica en eficiència energètica. El repte és que totes les parts actuïn amb la urgència que la crisi climàtica requereix.
Com a usuaris de la IA, tenim responsabilitat: preguntar-nos si realment necessitem una resposta generada per IA, o si una cerca convencional és suficient, ja és un petit pas en la direcció correcta.