En diferentes momentos históricos las sociedades han tenido que definir cómo reaccionan ante nuevas innovaciones tecnológicas. En plena revolución industrial, el surgimiento de nuevas tecnologías vio por un lado una respuesta dada por quienes vieron cómo este invento iba a transformar los modelos de producción y lo aprovecharon, y por otro al movimiento ludita, artesanos que ante la amenaza que vieron en las nuevas tecnologías decidieron que el único camino era destruir las máquinas.
Con el surgimiento de la IA estamos de nuevo ante un momento que nos pide una respuesta, la de quienes ven las oportunidades que traen los desarrollos o la ludita de frenar cualquier avance. Este dilema adquiere especial relevancia en lo que se refiere al impacto ambiental que tiene la IA, con la pregunta de si vamos por el camino de la prohibición o si buscamos la manera de lograr que la IA sea una aliada en la gestión del cambio climático y la protección de la biodiversidad.
Hay que partir de un hecho innegable: el desarrollo de cualquier actividad humana tiene un impacto ambiental. La IA no es de ningún modo ajena a este hecho, su impacto está sobre todo relacionado con la cantidad de energía y agua que se necesita para el funcionamiento de los centros de datos en los cuales se desarrolla el entrenamiento de modelos de deep learning y machine learning.
Pero incluso en este ámbito, en el del consumo energético, la misma IA presenta una gran oportunidad ante la crisis climática, en dos vías: la primera, porque la alta demanda energética ha llevado a las compañías a buscar soluciones, impulsado de esta manera el mercado de las energías renovables como opciones con mayor costo-eficiencia; la segunda, porque la IA puede ayudar enormemente a mejorar la optimización en la generación de energía, como lo hace la empresa DoneDeploy que usa drones autónomos para evaluar diseños de granjas solares, maximizar la energía que generan las granjas y monitorear la salud de los paneles, a mejorar el mantenimiento de las redes de infraestructura y a hacer modelos meteorológicos que permiten mejorar la eficiencia de energías como la solar.
