{"id":568108,"date":"2025-11-21T17:35:30","date_gmt":"2025-11-21T20:35:30","guid":{"rendered":"https:\/\/revistapesquisa.fapesp.br\/?p=568108"},"modified":"2025-12-10T09:47:34","modified_gmt":"2025-12-10T12:47:34","slug":"los-impactos-ambientales-de-la-computacion","status":"publish","type":"post","link":"https:\/\/revistapesquisa.fapesp.br\/es\/los-impactos-ambientales-de-la-computacion\/","title":{"rendered":"Los impactos ambientales de la computaci\u00f3n"},"content":{"rendered":"

Parte esencial de la vida moderna, la computaci\u00f3n est\u00e1 en todos lados. Resulta dif\u00edcil imaginar la vida cotidiana sin los recursos del mundo digital, tales como internet, las redes sociales, los videos en directo, los programas de inteligencia artificial y toda una variedad de aplicaciones. Gobiernos, organizaciones y empresas de diversos sectores dependen cada vez m\u00e1s de las tecnolog\u00edas de la informaci\u00f3n y la comunicaci\u00f3n (TIC). Sin embargo, el creciente aumento de la demanda computacional genera impactos en el medio ambiente. Se estima que entre el 5 % y el 9 % de la electricidad consumida en todo el mundo se destina a las infraestructuras inform\u00e1ticas y de comunicaciones en general y a su utilizaci\u00f3n. La Agencia Internacional de Energ\u00eda (IEA) advierte sobre la tendencia a un fuerte incremento de esta demanda. Seg\u00fan la entidad, el consumo energ\u00e9tico de los data centers<\/em>, instalaciones con gran capacidad de almacenamiento y procesamiento de datos, as\u00ed como el de los sectores de inteligencia artificial (IA) y criptomonedas, podr\u00eda duplicarse a nivel mundial en 2026 comparado con el consumo de 2022, que fue de 460 teravatios-hora (TWh); ese mismo a\u00f1o, el consumo total de energ\u00eda el\u00e9ctrica de Brasil fue de 508 TWh.<\/p>\n

\u201cEl consumo de energ\u00eda es inherente a la computaci\u00f3n\u201d, afirma la cient\u00edfica de la computaci\u00f3n Sarajane Marques Peres, de la Escuela de Artes, Ciencias y Humanidades de la Universidad de S\u00e3o Paulo (EACH-USP) e investigadora del Centro de Inteligencia Artificial C4AI, financiado por la FAPESP e IBM. Individualmente, subraya, una computadora no representa una gran demanda de energ\u00eda, pero miles de m\u00e1quinas juntas o muchos ordenadores con procesadores poderosos trabajando las 24 horas, los 7 d\u00edas de la semana, representan un gasto elevado.<\/p>\n

Lee tambi\u00e9n:<\/strong>
\n– Estrategias para lograr centros de procesamiento de datos m\u00e1s sostenibles<\/a>
\n– El mercado de criptomonedas registra un elevado gasto energ\u00e9tico<\/a><\/div>\n

\u201cTodas nuestras actividades digitales, tales como navegar por internet, acceder a las redes sociales, participar en videoconferencias y enviarles fotos a nuestros amigos, en \u00faltima instancia acaban repercutiendo en el medio ambiente\u201d, se\u00f1ala la cient\u00edfica de la computaci\u00f3n Thais Batista, presidenta de la Sociedad Brasile\u00f1a de Computaci\u00f3n (SBC) y docente del Departamento de Inform\u00e1tica de la Universidad Federal de Rio Grande do Norte (UFRN).<\/p>\n

La energ\u00eda destinada a los centros de datos o data centers<\/em> no solamente se utiliza para la operaci\u00f3n de los servidores, sino tambi\u00e9n para mantener en funcionamiento su sistema de refrigeraci\u00f3n. \u201cComo trabajan incesantemente realizando c\u00e1lculos matem\u00e1ticos, las computadoras se calientan, emiten calor y necesitan refrigeraci\u00f3n para mantener una temperatura razonablemente baja\u201d, subraya el cient\u00edfico de la computaci\u00f3n Marcelo Finger, del Instituto de Matem\u00e1tica y Estad\u00edstica (IME) de la USP. \u201cSeg\u00fan cu\u00e1l sea la matriz que produce esta energ\u00eda, ser\u00e1n mayores o menores los efectos nocivos para el medio ambiente\u201d, dice Marques Peres, en referencia a las emisiones de di\u00f3xido de carbono (CO2<\/sub>) producto de la quema de combustibles f\u00f3siles para obtener la energ\u00eda el\u00e9ctrica requerida.<\/p>\n

El Banco Mundial y la Uni\u00f3n Internacional de Telecomunicaciones, organismo dependiente de la Organizaci\u00f3n de las Naciones Unidas (ONU), estiman que el sector de la computaci\u00f3n es responsable de al menos el 1,7 % de todas las emisiones mundiales de gases de efecto invernadero. \u201cOtros estudios advierten acerca de una cifra a\u00fan mayor, que ronda el 4 %, dice el cient\u00edfico de la computaci\u00f3n Em\u00edlio de Camargo Francesquini, del Centro de Matem\u00e1tica, Computaci\u00f3n y Cognici\u00f3n de la Universidad Federal del ABC (UFABC).<\/p>\n\n \n \n \n <\/picture>Alexandre Affonso \/ Revista Pesquisa FAPESP<\/span>\n

Grandes multinacionales tecnol\u00f3gicas como Google, Microsoft, Apple, Amazon y otras, las llamadas big techs<\/em>, se han comprometido a reducir a cero sus emisiones de carbono para 2030, pero, seg\u00fan opinan los expertos entrevistados para la elaboraci\u00f3n de este reportaje, no existen indicios de que esta meta pueda alcanzarse. En 2023, el \u00faltimo a\u00f1o con datos conocidos, las emisiones de estas compa\u00f1\u00edas se incrementaron, principalmente a causa de los sistemas de inteligencia artificial, que exigen un gran poder de procesamiento y, por ende, un ingente consumo energ\u00e9tico para poder ser entrenados y funcionar.<\/p>\n

El aumento del consumo energ\u00e9tico y de las emisiones de carbono no es el \u00fanico motivo de preocupaci\u00f3n. El uso intensivo de agua por los centros de procesamiento de datos para mantener en funcionamiento sus sistemas de refrigeraci\u00f3n, as\u00ed como la emisi\u00f3n de calor al ambiente, tambi\u00e9n hacen sonar las alarmas. \u201cEl consumo h\u00eddrico es una preocupaci\u00f3n m\u00e1s reciente, dado que la mayor\u00eda de los grandes data centers<\/em> utilizan refrigeraci\u00f3n l\u00edquida para sus grandes equipos\u201d, destaca \u00c1lvaro Luiz Fazenda, licenciado en computaci\u00f3n cient\u00edfica del Instituto de Ciencia y Tecnolog\u00eda de la Universidad Federal de S\u00e3o Paulo (Unifesp), en su campus de S\u00e3o Jos\u00e9 dos Campos. Una de las soluciones consiste en utilizar fuentes de agua no potable para los procesos de refrigeraci\u00f3n.<\/p>\n

La explotaci\u00f3n, a menudo insostenible, de elementos de tierras raras y otros minerales, tales como silicio, cobre y litio, que se utilizan para fabricar discos duros, chips y bater\u00edas, y el desechado de computadoras, celulares y otros aparatos electr\u00f3nicos que se vuelven r\u00e1pidamente obsoletos, tambi\u00e9n aumentan la presi\u00f3n de la computaci\u00f3n sobre los ecosistemas. \u201cLas tecnolog\u00edas de la informaci\u00f3n y la comunicaci\u00f3n figuran entre las que m\u00e1s consumen energ\u00eda y recursos naturales, adem\u00e1s de liderar la generaci\u00f3n de basura electr\u00f3nica que contiene sustancias peligrosas\u201d, resume Francesquini.<\/p>\n

Para tratar de hacer frente a este problema, un nuevo campo de estudios conocido como computaci\u00f3n verde o sostenible, viene ganando impulso en Brasil y en todo el mundo. \u201cSe aplica al conjunto de pr\u00e1cticas, t\u00e9cnicas y procedimientos empleados para la fabricaci\u00f3n, la utilizaci\u00f3n y el desechado de sistemas de computaci\u00f3n con el objetivo de minimizar su impacto ambiental\u201d, explica el investigador de la UFABC.<\/p>\n

Con miras a alcanzar esta meta, se han propuesto diversas pr\u00e1cticas, como aumentar la eficiencia energ\u00e9tica de hardware<\/em> y el software<\/em>, lo que les permite realizar las mismas operaciones consumiendo menos energ\u00eda. Otro enfoque apunta a dise\u00f1ar sistemas m\u00e1s duraderos, reparables y reciclables, que reduzcan la generaci\u00f3n de residuos electr\u00f3nicos, as\u00ed como priorizar el empleo de materiales sostenibles en la producci\u00f3n y el funcionamiento de los dispositivos computacionales y el uso de energ\u00edas renovables en los centros de procesamiento de datos (v\u00e9ase el art\u00edculo<\/em><\/a>).<\/p>\n

\"\"

VCG\u2009\/\u2009VCG via Getty Images<\/span>Vista a\u00e9rea del centro de datos de Tesla en Shangh\u00e1i (China), inaugurado en 2021VCG\u2009\/\u2009VCG via Getty Images<\/span><\/p><\/div>\n

El peso de la IA
\n<\/strong>Cada vez son m\u00e1s los estudios que se\u00f1alan a la proliferaci\u00f3n de las herramientas de inteligencia artificial \u2012ya sean generativas, como los modelos extensos de lenguaje, tambi\u00e9n llamados de lenguaje a gran escala (LLM), como ChatGPT, o predictivas\u2012 y a la infraestructura asociada a ellas como una de las causas principales del aumento de la huella ambiental del segmento. Cada comando que se introduce en un chatbot de IA requiere la realizaci\u00f3n de miles de c\u00e1lculos para que el modelo decida cu\u00e1les son las palabras m\u00e1s apropiadas para ofrecer como respuesta. Esto exige a las m\u00e1quinas una gran capacidad de procesamiento.<\/p>\n

Un estudio publicado en octubre de 2023 por investigadores neerlandeses en la revista Joule<\/em> demostr\u00f3 que una pregunta sencilla formulada a ChatGPT consume 3 vatios-hora (Wh), casi 10 veces m\u00e1s energ\u00eda que una b\u00fasqueda similar efectuada en Google. Esta cifra puede parecer peque\u00f1a, pero cobra una dimensi\u00f3n mayor cuando se tiene en cuenta que este chatbot tiene m\u00e1s de 400 millones de usuarios activos por semana que realizan m\u00e1s de 1.000 millones de consultas diarias.<\/p>\n

Otra investigaci\u00f3n, en este caso realizada por cient\u00edficos de las universidades de California en Riverside y Texas en Arlington, evalu\u00f3 la huella h\u00eddrica de las herramientas de IA. Calcularon que el entrenamiento de ChatGPT-3 en un centro de datos de Microsoft en Estados Unidos puede consumir hasta 700.000 litros de agua limpia. En su fase operativa, el chatbot consume una botella de 500 mililitros de agua para entre 10 y 50 respuestas de tama\u00f1o medio, dependiendo de cu\u00e1ndo y d\u00f3nde se realicen los c\u00e1lculos.<\/p>\n

En ese mismo estudio, depositado en la plataforma arXiv en abril de 2023, se estima que la demanda mundial de agua por los servidores que ejecutan los programas de IA en todo el mundo ascender\u00e1 a entre 4.200 y 6.600 millones de metros c\u00fabicos en 2027, lo que equivale a la mitad del consumo del Reino Unido en 2023. \u201cEsto es preocupante, ya que la escasez de agua dulce se ha convertido en uno de los retos m\u00e1s urgentes\u201d, escribieron los autores. \u201cPara dar respuesta a los desaf\u00edos globales que plantea la disponibilidad de agua, la IA puede y debe asumir su responsabilidad social y predicar con el ejemplo ocup\u00e1ndose de su huella h\u00eddrica\u201d.<\/p>\n

\"\"

Zoran Milich\u2009\/\u2009Getty Images<\/span>Un empleado examina residuos electr\u00f3nicos en una unidad recicladora de Massachusetts (Estados Unidos)Zoran Milich\u2009\/\u2009Getty Images<\/span><\/p><\/div>\n

Investigadores de la startup<\/em> china DeepSeek intentaron reducir el gasto energ\u00e9tico de los sistemas de inteligencia artificial. El chatbot DeepSeek-V3, lanzado a finales de enero, gener\u00f3 revuelo al mostrar un desempe\u00f1o comparable al de los modelos de OpenAI y Google, pero con un costo sustancialmente inferior.<\/p>\n

\u201cDeepSeek prueba que es posible desarrollar IA de buena calidad utilizando menos energ\u00eda y recursos computacionales\u201d, subraya el cient\u00edfico de la computaci\u00f3n Daniel de Angelis Cordeiro, de la EACH-USP. \u201cLa inversi\u00f3n en la investigaci\u00f3n de algoritmos m\u00e1s eficientes y en mejoras en la gesti\u00f3n de los recursos computacionales utilizados en las etapas de entrenamiento e inferencia pueden contribuir al desarrollo de una IA m\u00e1s sostenible\u201d.<\/p>\n

Seg\u00fan el art\u00edculo cient\u00edfico publicado en enero por los desarrolladores de DeepSeek, la merma en el consumo de recursos fue producto de una mejora en los algoritmos de equilibrio de carga empleados en la fase de entrenamiento del modelo, lo que permiti\u00f3 un mejor uso de los recursos computacionales sin que ello supusiera una mengua en el rendimiento. Tambi\u00e9n se utilizaron algoritmos de precisi\u00f3n mixta, que optimizan el procesamiento y las comunicaciones en la fase de entrenamiento. Los algoritmos de equilibrio de carga distribuyen una determinada tarea computacional entre diferentes servidores, mientras que los de precisi\u00f3n mixta aceleran el procesamiento y reducen el uso de memoria, manteniendo la precisi\u00f3n de los c\u00e1lculos.<\/p>\n

\u201cLa plataforma, de c\u00f3digo abierto, se basa en un gran modelo de lenguaje y se entren\u00f3 a partir de datos que utilizan, a grandes rasgos, la estructura t\u00edpica y las t\u00e9cnicas de optimizaci\u00f3n adoptadas por otros modelos como ChatGPT\u201d, se\u00f1ala el ingeniero electricista Fabio Gagliardi Cozman, director de C4AI y docente de la Escuela Polit\u00e9cnica de la USP. \u201cNo se trata de una revoluci\u00f3n total en el \u00e1rea, sino m\u00e1s bien de un trabajo de an\u00e1lisis bien hecho sobre los pasos necesarios para la construcci\u00f3n de estos modelos, que incluy\u00f3 la eliminaci\u00f3n de algunas etapas, hizo hincapi\u00e9 en el uso de datos de calidad y, en particular, de los datos obtenidos de otros modelos\u201d, dice, destacando el gran esfuerzo en materia de reducci\u00f3n de los requerimientos de memoria y transmisi\u00f3n de informaci\u00f3n durante el proceso de entrenamiento. \u201cLa sumatoria de todos estos \u00edtems condujo a una disminuci\u00f3n sustancial de los recursos de los que se vali\u00f3 el equipo\u201d.<\/p>\n

\"\"

Dado Galdieri\u2009\/\u2009Bloomberg via Getty Images\u2002<\/span>Mina de litio en Vale do Jequitinhonha (Minas Gerais): la explotaci\u00f3n de insumos minerales para la fabricaci\u00f3n de computadoras y bater\u00edas genera un impacto en el medio ambienteDado Galdieri\u2009\/\u2009Bloomberg via Getty Images\u2002<\/span><\/p><\/div>\n

C\u00e1lculos aproximados
\n<\/strong>Una de las estrategias propuestas para reducir el impacto ambiental de los sistemas de IA y de la computaci\u00f3n en su conjunto es la adopci\u00f3n de un modelo conocido computaci\u00f3n aproximada. Consiste en el uso de t\u00e9cnicas algor\u00edtmicas o hardware<\/em> dedicado (utilizado para una \u00fanica funci\u00f3n) con la finalidad de obtener una soluci\u00f3n menos precisa, aunque aceptable, para cualquier tarea computacional dada. Al reducir la carga de c\u00e1lculo para resolver un determinado problema y proporcionar un resultado aproximado, se reduce el gasto energ\u00e9tico.<\/p>\n

\u201cSe pueden aplicar diversas t\u00e9cnicas algor\u00edtmicas, entre ellas la precisi\u00f3n num\u00e9rica reducida, que permite trabajar con cifras y operaciones aritm\u00e9ticas con menos decimales para representar n\u00fameros reales\u201d, informa Fazenda, de la Unifesp. En lugar de representar un n\u00famero con una precisi\u00f3n de 20 decimales, solamente se tienen en cuenta los 10 primeros. \u201cEsto puede ocasionar redondeos no deseados y discrepancias en los resultados, comprometiendo su precisi\u00f3n. Sin embargo, de ser insignificantes, pueden obtenerse beneficios en cuanto al rendimiento y un ahorro de energ\u00eda, ya que las operaciones con precisi\u00f3n reducida requieren una menor capacidad computacional\u201d, dice.<\/p>\n

Uno de los trabajos del investigador apunt\u00f3 a entender c\u00f3mo afectar\u00eda la reducci\u00f3n de la precisi\u00f3n de los datos la calidad de las simulaciones por computadora y, en consecuencia, los modelos de pron\u00f3stico meteorol\u00f3gico y clim\u00e1tico. \u201cLos algoritmos que se utilizan en estas simulaciones demandan un alto volumen de recursos computacionales y, por lo tanto, de energ\u00eda. Tambi\u00e9n exigen representaciones precisas de los datos simulados, lo que conlleva el uso precisiones num\u00e9ricas extensas, con variables de 64 bits\u201d, explica el investigador. \u201cEstamos tratando de evaluar la ganancia potencial de tiempo y energ\u00eda, dados los menores requisitos de procesamiento, cuando la precisi\u00f3n num\u00e9rica se reduce de 64 a 16 bits\u201d.<\/p>\n<\/div>

\n \n \n \n <\/picture>Alexandre Affonso \/ Revista Pesquisa FAPESP<\/span><\/div>
\n

Este estudio, descrito en los anales de la XI Escuela Regional de Alto Rendimiento de S\u00e3o Paulo (Erad-SP), un evento realizado en 2020, se bas\u00f3 en una revisi\u00f3n sistem\u00e1tica del tema. En el mismo, se trat\u00f3 de identificar en qu\u00e9 tramos de un modelo num\u00e9rico de pron\u00f3stico meteorol\u00f3gico y clim\u00e1tico tales adaptaciones podr\u00edan ser positivas y cu\u00e1les no permiten el uso de esta t\u00e9cnica. Los resultados preliminares revelan un sesgo positivo hacia su uso, seg\u00fan se recoge en un resumen publicado en los anales del International Colloquium on Energy-Efficient and Sustainable Distributed Systems, que se llev\u00f3 a cabo en la UFRN en 2024.<\/p>\n

La computaci\u00f3n aproximada tambi\u00e9n puede aplicarse a los aceleradores de hardware<\/em> que se utilizan para decodificar videos: los aceleradores son circuitos o procesadores especiales optimizados para ejecutar tareas espec\u00edficas con mayor eficiencia y menor gasto de energ\u00eda. En este caso, el resultado ser\u00eda la visualizaci\u00f3n de una imagen de video con algunos p\u00edxeles incorrectos, pero sin llegar a afectar la percepci\u00f3n general del usuario. Este procesamiento consumir\u00eda menos energ\u00eda que si se utilizara un decodificador de precisi\u00f3n.<\/p>\n

\u201cEl reto de la computaci\u00f3n aproximada radica en la incorporaci\u00f3n de estas t\u00e9cnicas en procesadores y diversas aplicaciones, distinguiendo claramente entre lo que puede ser aproximado y lo que debe ser m\u00e1s preciso\u201d, analiza Lucas Wanner, cient\u00edfico de la computaci\u00f3n del Instituto de Computaci\u00f3n de la Universidad de Campinas (IC-Unicamp), cuyas investigaciones se centran en la eficiencia energ\u00e9tica en hardware<\/em> y software<\/em>, con \u00e9nfasis en la computaci\u00f3n de alto rendimiento y la computaci\u00f3n aproximada.<\/p>\n

Otro enfoque de la computaci\u00f3n verde es la producci\u00f3n de dispositivos m\u00e1s eficientes desde el punto de vista energ\u00e9tico. \u201cVarios grupos de investigadores brasile\u00f1os y extranjeros trabajan en el desarrollo de nuevos tipos de hardware<\/em> que ofrecen el mismo rendimiento computacional, pero consumen menos energ\u00eda\u201d, dice el cient\u00edfico de la computaci\u00f3n Fabio Kon, del IME-USP.<\/p>\n\n \n \n \n <\/picture>Alexandre Affonso \/ Revista Pesquisa FAPESP<\/span>\n

El uso de procesadores de bajo consumo fue objeto de uno de los trabajos el grupo de Francesquini, de la UFABC. \u201cEvaluamos el comportamiento de una aplicaci\u00f3n espec\u00edfica de la industria de la explotaci\u00f3n de petr\u00f3leo y gas en cuatro arquitecturas de hardware<\/em> distintas\u201d, explica. Los resultados, publicados en febrero de 2015 en la revista Journal of Parallel and Distributed Computing<\/em>, revelaron una aparente contradicci\u00f3n: a menudo, para disminuir el consumo de energ\u00eda, el mejor criterio consiste en aceptar una ejecuci\u00f3n del programa ligeramente m\u00e1s lenta, siempre y cuando respete las restricciones establecidas. En otros casos puede ser necesario elevar el consumo energ\u00e9tico para asegurar un tiempo de ejecuci\u00f3n apropiado. \u201cEn funci\u00f3n de la aplicaci\u00f3n, del hardware<\/em> disponible y de las limitaciones implicadas, no es posible minimizar simult\u00e1neamente ambos factores, es decir, el consumo de energ\u00eda y el tiempo de ejecuci\u00f3n\u201d, comenta.<\/p>\n

En otra investigaci\u00f3n centrada en la exploraci\u00f3n de nuevas arquitecturas o modelos de hardware<\/em>, el grupo de Wanner aplic\u00f3 una t\u00e9cnica de ahorro energ\u00e9tico sencilla y eficaz, denominada duty cycling<\/em>, pero cuya aplicaci\u00f3n pr\u00e1ctica constituye todo un reto. El t\u00e9rmino, que significa ciclo de trabajo, alude a la desconexi\u00f3n de partes del circuito de una computadora cuando no se utilizan. \u201cEllo implica introducir ligeras modificaciones en el hardware<\/em> que permitan desactivar selectivamente las partes elegidas, reduciendo la frecuencia de operaci\u00f3n, o apagarlas por completo, cortando el suministro de energ\u00eda\u201d, explica el investigador de la Unicamp. Hoy en d\u00eda, todos los sistemas de computaci\u00f3n incorporan una variante de esta t\u00e9cnica. En los ordenadores port\u00e1tiles, la pantalla se apaga al cabo de algunos segundos sin actividad, en tanto que los teclados y ratones se desactivan cuando no se utilizan y \u201cdespiertan\u201d cuando as\u00ed se lo requiere.<\/p>\n

\u201cEn el caso de los circuitos dedicados, como se indica en nuestro trabajo, el desaf\u00edo consiste en despertar al sistema en el momento adecuado sin perder la calidad de los resultados para su aplicaci\u00f3n. Otra dificultad radica en que el ciclo de trabajo necesita operar en forma aut\u00f3noma, ya que no hay un usuario que indique cu\u00e1ndo el sistema debe permanecer activo y cuando puede \u2018dormir\u2019, como ocurre en el caso del uso cotidiano de nuestras computadoras\u201d. Este trabajo sali\u00f3 publicado en junio de 2024 en la revista IEEE Embedded Systems Letters<\/em>.<\/p>\n

\"\"

Google<\/span>Sistema de refrigeraci\u00f3n del centro de datos de Google: las tuber\u00edas azules suministran agua fr\u00eda y por las rojas retorna el l\u00edquido calentado para su enfriamientoGoogle<\/span><\/p><\/div>\n

Recomendaciones no vinculantes
\n<\/strong>La preocupaci\u00f3n por el impacto de la computaci\u00f3n en el planeta no solo moviliza al mundo acad\u00e9mico y a la propia industria, sino tambi\u00e9n a organizaciones internacionales y gobiernos. De acuerdo con el Programa de las Naciones Unidas para el Medio Ambiente (Pnuma), m\u00e1s de 190 naciones ya han adoptado recomendaciones no vinculantes \u2012que no obligan a su cumplimiento\u2012 sobre el uso \u00e9tico de la inteligencia artificial, que tambi\u00e9n abarcan cuestiones relativas al medio ambiente. Estados Unidos y la Uni\u00f3n Europea ya cuentan con leyes para hacer frente a este problema.<\/p>\n

En una nota t\u00e9cnica, el Pnuma recomienda la necesidad de establecer procedimientos estandarizados con miras a dimensionar el impacto ambiental de la IA, dada la escasez de datos fiables sobre el problema. Tambi\u00e9n aconseja a los gobiernos exigirles a las empresas del sector que hagan p\u00fablicas las consecuencias para el medio ambiente del uso de sus productos y servicios basados en la inteligencia artificial.<\/p>\n

\u201cLas recomendaciones no vinculantes no ser\u00e1n suficientes para regular el crecimiento de los data centers<\/em> y el consumo mundial de energ\u00eda de la IA\u201d, reflexiona el soci\u00f3logo Jo\u00e3o Paulo C\u00e2ndia Veiga, del Instituto de Relaciones Internacionales (IRI) de la USP e investigador del C4AI. \u201cLas decisiones que tengan que ver con una futura regulaci\u00f3n a nivel nacional, probablemente se tomar\u00e1n siguiendo directrices internacionales, como las de la propia IEA y otros organismos\u201d.<\/p>\n

Este art\u00edculo sali\u00f3 publicado con el t\u00edtulo \u201cLos impactos del mundo digital en el medio ambiente<\/strong>\u201d en la edici\u00f3n impresa n\u00b0 349 de marzo de 2025. <\/p>\n

Proyectos
\n1.<\/strong> Centro de Inteligencia Artificial (no<\/sup> 19\/07665-4<\/a>); Modalidad<\/strong> Centros de Investigaciones en Ingenier\u00eda; Acuerdo de cooperaci\u00f3n<\/strong> IBM Brasil; Investigador responsable<\/strong> Fabio Gagliardi Cozman (USP); Inversi\u00f3n<\/strong> R$ 12.426.244,72.
\n2.<\/strong> CCD \u2013 Ciudades con Carbono Neutro (no<\/sup> 24\/01115-0<\/a>); Modalidad<\/strong> Centros de Ciencia y Desarrollo; Investigador responsable<\/strong> Liedi Legi Bariani Bernucci (USP); Inversi\u00f3n<\/strong> R$ 3.347.593,43.
\n3.<\/strong> INCT 2014 \u2013 Internet del futuro (no<\/sup> 14\/50937-1<\/a>); Modalidad<\/strong> Proyecto Tem\u00e1tico; Investigador responsable<\/strong> Fabio Kon (USP); Inversi\u00f3n<\/strong> R$ 2.121.398,08.
\n4.<\/strong> Tendencias en computaci\u00f3n de alto rendimiento, desde la gesti\u00f3n de recursos hasta las nuevas arquitecturas de computadoras (no<\/sup> 19\/ 26702-8<\/a>); Modalidad<\/strong> Proyecto Tem\u00e1tico; Investigador responsable<\/strong> Alfredo Goldman vel Lejbman (USP); Inversi\u00f3n<\/strong> R$ 2.746.855,25.
\n5.<\/strong> EcoSustain: Ciencia de datos y computaci\u00f3n para el medio ambiente (no<\/sup> 23\/00811-0); Modalidad<\/strong> Proyecto Tem\u00e1tico; Investigador responsable<\/strong> Antonio Jorge Gomes Abel\u00e9m (UFPA); Inversi\u00f3n<\/strong> R$ 3.999.467,22.<\/p>\n

Art\u00edculos cient\u00edficos
\n<\/strong>VRIES, A. D. et al<\/em>. The growing energy footprint of artificial intelligence.<\/a> Joule<\/strong>. v. 7, p. 2191-94. 18 oct. 2023.
\nFREITAG, C. et. al<\/em>. The real climate and transformative impact of ICT: A critique of estimates, trends, and regulations<\/a>. Patterns<\/strong>. v. 2, 100340. 10 sep. 2021.
\nSTRUBELL, E. et al<\/em>. Energy and policy considerations for Deep Learning in NLP<\/a>. arXiv<\/strong>. 5 jun. 2019.
\nPENGFEI, L. \u00a0et al<\/em>. Making AI less “thirsty”: Uncovering and addressing the secret water footprint of AI models<\/a>. arXiv<\/strong>. 6 abr. 2023.
\nGUO, D. et al<\/em>. DeepSeek-R1: Incentivizing reasoning capability in LLMs via reinforcement learning<\/a>. arXiv<\/strong>. 25 ene. 2025.
\nSUDO, M. A. y FAZENDA, L. A. A review on approximate computing applied to meteorological forecast models using software-based techniques<\/a>. Anais da XI Escola Regional de Alto Desempenho de S\u00e3o Paulo (Erad-SP)<\/strong>. 2020.
\nFRANCESQUINI, E. et al<\/em>. On the energy efficiency and performance of irregular application executions on multicore, Numa and manycore platforms<\/a>. Journal of Parallel and Distributed Computing<\/strong>. v. 76, p. 32-48. feb. 2015.
\nCASTRO et al<\/em>. Exploring dynamic duty cycling for energy efficiency in coherent DSP ASIC<\/a>. IEEE Embedded Systems Letters<\/strong>. v. 16, n. 2, p. 202-5. jun. 2024.<\/p>\n

Informes
\n<\/strong>Electricity 2024: Analysis and forecast 2026<\/a>. Ag\u00eancia Internacional de Energia (IEA)<\/strong>. ene. 2024.
\nEnvironmental Report 2024<\/a>. Google<\/strong>. jul. 2024.<\/p>\n","protected":false},"excerpt":{"rendered":"El sector hace un uso intensivo de energ\u00eda y agua, y es responsable de un 1,7% de las emisiones de carbono en la atm\u00f3sfera, en tanto surge una nueva \u00e1rea de investigaci\u00f3n con miras a afrontar este problema","protected":false},"author":23,"featured_media":568111,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[179,1574],"tags":[288,312,269,333],"coauthors":[116],"class_list":["post-568108","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tapa","category-tecnologia-especial-es","tag-computacion","tag-innovacion","tag-ambiente-es","tag-tecnologia-de-la-informacion","position_at_home-sumario"],"acf":[],"_links":{"self":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/568108","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/users\/23"}],"replies":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/comments?post=568108"}],"version-history":[{"count":11,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/568108\/revisions"}],"predecessor-version":[{"id":572472,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/568108\/revisions\/572472"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media\/568111"}],"wp:attachment":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media?parent=568108"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/categories?post=568108"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/tags?post=568108"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/coauthors?post=568108"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}