A principios de noviembre de 2024, la Comisión Federal Reguladora de Energía de los Estados Unidos (FERC, por sus siglas en inglés) tomó una decisión que destaca los desafíos en la relación entre las grandes corporaciones tecnológicas y el acceso equitativo a los recursos energéticos. La FERC rechazó la solicitud de Amazon para comprar directamente 180 megavatios adicionales de energía de la planta nuclear de Susquehanna para un centro de datos cercano. Este rechazo se basó en la premisa de que adquirir energía directamente de la planta, en lugar de hacerlo a través de la red general como los demás usuarios, perjudica los intereses de otros consumidores.
Esta decisión no solo pone en evidencia las tensiones entre empresas tecnológicas y reguladores energéticos, sino que también arroja luz sobre un problema más amplio: el aumento de la demanda de energía en los Estados Unidos después de dos décadas de estancamiento en este sector. Según Mark Christie, comisionado de la FERC, “las previsiones de carga están disparándose. Dependiendo de los números que se deseen aceptar, ya sea que estén aumentando rápidamente o directamente en ascenso vertiginoso”.
El motor detrás del aumento de demanda: la tecnología y los centros de datos
Uno de los factores clave detrás de este aumento inesperado es la creciente proliferación de centros de datos, esenciales para la infraestructura digital contemporánea. Su necesidad de energía se ha incrementado significativamente debido a la ejecución de modelos avanzados de inteligencia artificial (IA). Estos modelos, al volverse más sofisticados y exigentes, demandan un volumen notablemente mayor de recursos computacionales y energéticos.
Históricamente, la evolución de la IA ha pasado por hitos cruciales que marcaron su desarrollo. Un ejemplo notable es el llamado “momento AlexNet”, que ocurrió en 2012 y sentó las bases para el crecimiento exponencial del aprendizaje automático a través del uso intensivo de hardware especializado.
AlexNet: un punto de inflexión en la IA moderna
En 2012, un equipo de investigadores en la Universidad de Toronto, compuesto por Alex Krizhevsky, Ilya Sutskever y Geoffrey E. Hinton, desarrolló una red neuronal convolucional (CNN) llamada AlexNet. Su objetivo era participar en la competencia de reconocimiento de imágenes ImageNet LSRVC. En esta competición, los equipos tenían que construir sistemas de IA capaces de categorizar imágenes provenientes de una base de datos con más de un millón de fotografías etiquetadas.
Este desafío técnico resultó ser uno de los más complejos del momento. Para superarlo, el equipo de investigación decidió construir una red neuronal mucho más grande que cualquier modelo previo: AlexNet contaba con más de 60 millones de parámetros y 650 mil neuronas distribuidas en varias capas. Sin embargo, la magnitud de este modelo presentó un reto importante: no podían entrenarlo utilizando un solo procesador gráfico (GPU) debido a limitaciones de memoria. El equipo resolvió este desafío al dividir el entrenamiento del modelo entre dos GPUs Nvidia GTX 580 trabajando en paralelo. Cada GPU manejó la mitad de las neuronas.
AlexNet no solo ganó la competencia por un amplio margen, sino que también logró algo más significativo: demostró que la escala de los modelos de IA podía superar las capacidades de un solo GPU o CPU. Este avance marcó un antes y un después en la evolución del aprendizaje profundo, liberando a los investigadores de las limitaciones de hardware de la época.
Impacto contemporáneo: la era de los modelos gigantes
El éxito de AlexNet desencadenó una carrera por construir modelos de IA más grandes y complejos. Actualmente, los avances en modelos generativos, desde procesamiento de lenguaje natural hasta la generación de imágenes, reflejan la continuación de esta tendencia. Sin embargo, junto con este progreso técnico viene un aumento exponencial en el consumo de energía. Modelos gigantes como GPT y otros desarrollos contemporáneos necesitan una infraestructura masiva de centros de datos, los cuales operan las 24 horas al día y exigen una cantidad significativa de electricidad para mantener tanto los sistemas de computación como los mecanismos de enfriamiento.
El papel de la sostenibilidad en un mundo dependiente de la IA
Conforme los centros de datos crecen en tamaño y demanda energética, surgen preguntas fundamentales sobre la sostenibilidad y el impacto ambiental. Las fuentes de energía como las plantas nucleares, si bien son más limpias que los combustibles fósiles, no están exentas de controversias. El caso de Amazon y la planta de Susquehanna ilustra cómo las grandes empresas están buscando acceder directamente a fuentes de energía en lugar de depender de las redes eléctricas tradicionales, lo que genera tensiones regulatorias y éticas.
Además, el aumento en la demanda de energía pone de relieve la necesidad de soluciones innovadoras. Tecnologías emergentes como la computación cuántica y la optimización de algoritmos podrían ofrecer formas más eficientes de manejar grandes cargas de trabajo en IA, reduciendo el impacto ambiental. Sin embargo, implementar estas soluciones a gran escala requerirá tiempo, inversión y cooperación entre empresas tecnológicas, reguladores y gobiernos.
Visión hacia el futuro
El vínculo entre el desarrollo de la IA y la creciente demanda de energía plantea desafíos que requieren atención inmediata y colaboración global. Iniciativas como la adopción de fuentes renovables, la mejora de la eficiencia energética y el diseño de hardware más sostenible son esenciales para garantizar que el crecimiento de la tecnología no se convierta en una carga insostenible para el planeta. También es crucial que las políticas regulatorias evolucionen para equilibrar la innovación con la equidad en el acceso a recursos vitales.
El “momento AlexNet” nos recuerda que los avances tecnológicos surgen cuando se combinan la visión, la creatividad y la resolución de problemas. A medida que el mundo avanza hacia una era dominada por la inteligencia artificial, debemos aprender de estos hitos históricos para construir un futuro donde la tecnología y la sostenibilidad puedan coexistir.
