La UCA desarrolla una herramienta para reducir el impacto medioambiental de la IA
Un equipo de la Universidad de Cádiz logra reducir el impacto medioambiental de la IA optimizando el software de los modelos de lenguaje, con ahorros de más del 13% en consumo energético y cerca del 20% en tiempo de ejecución.
Investigadores de la Universidad de Cádiz (UCA) han desarrollado una herramienta que permite reducir el impacto medioambiental de la IA mediante la optimización del software que ejecuta los modelos de lenguaje de gran tamaño, como los utilizados en asistentes virtuales y sistemas de generación automática de texto. El estudio ha sido publicado este 28 de abril en la revista científica *Future Generation Computer Systems*.
El trabajo ha sido liderado por personal investigador de la Escuela Superior de Ingeniería de Cádiz, perteneciente al grupo Graphical Methods, Optimization, and Learning (GOAL). El equipo está formado por Javier Jareño, José Miguel Aragón-Jurado, Juan Carlos De La Torre, Patricia Ruiz y Bernabé Dorronsoro.
La investigación se centra en los llamados motores de inferencia, es decir, los programas que ejecutan modelos de inteligencia artificial ya entrenados para generar respuestas en tiempo real. En lugar de modificar los modelos —lo que puede afectar a su capacidad o precisión—, la propuesta actúa sobre el software que los pone en funcionamiento.
El crecimiento del uso de modelos de lenguaje en ámbitos como la educación, la investigación o los servicios digitales ha incrementado la demanda energética asociada a estas tecnologías. Según los datos recogidos en el estudio, el consumo diario derivado de consultas a sistemas de este tipo puede equivaler al de miles de hogares, con emisiones comparables a las generadas por un automóvil al recorrer hasta 80.000 kilómetros.
Ante este escenario, el equipo de la UCA ha diseñado una herramienta automática que optimiza el código de los motores de inferencia mediante un algoritmo genético inspirado en los procesos de evolución natural. El sistema analiza múltiples combinaciones posibles de mejora en el software y selecciona aquellas que permiten un uso más eficiente del hardware.
Las pruebas realizadas con modelos de distintos tamaños han mostrado reducciones superiores al 13% en el consumo energético y cercanas al 20% en el tiempo de ejecución. Según los investigadores, estos resultados suponen una mejora relevante respecto a las optimizaciones genéricas que se aplican actualmente.
A diferencia de otras estrategias centradas en simplificar o reducir el tamaño de los modelos —lo que puede limitar su rendimiento—, la propuesta desarrollada en Cádiz mantiene intacto el comportamiento del sistema. De este modo, se avanza hacia una inteligencia artificial más eficiente sin alterar su funcionamiento ni su capacidad de respuesta.
El estudio abre nuevas líneas de investigación orientadas a reducir el impacto ambiental de la inteligencia artificial en un contexto de expansión global de estas tecnologías. La mejora de la eficiencia energética es uno de los retos señalados por la comunidad científica ante el crecimiento de infraestructuras de computación intensiva necesarias para entrenar y operar modelos avanzados.
El proyecto se ha desarrollado en el marco de gCODE y ha contado con financiación de la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía.
Con esta publicación, la Universidad de Cádiz sitúa a su Escuela Superior de Ingeniería en el ámbito de la investigación sobre sostenibilidad tecnológica, en un momento en el que el debate sobre el consumo energético de la inteligencia artificial cobra relevancia tanto en el ámbito académico como en el industrial.
