Ada Lovelace y el telar de Jacquard
Hija del poeta Lord Byron y de la matemática y astrónoma Anna Isabella Milbanke, también conocida por fundar la escuela Ealing Grove School, antiesclavista y luchadora a favor de la igualdad de los derechos de las mujeres. Ada Lovelace nació en 1815, fue matemática y escritora, y es considerada como la primera programadora de la historia.
Ada fue una avanzada en su época y supo predecir un futuro, para ella las maquinas no servían solamente para realizar cálculos sino para programarse, para realizar funciones y apoyar procesos y operaciones como hacían los telares mecánicos programables en el sector textil.
Brevísima historia de los inicios de la IA
Por su cercanía, por su inquietud, curiosidad, por ser multidisciplinares, trabajadores y pensadores incansables tenemos que citar a los españoles Ramón Llull (apodado Doctor Inspiratus), que en el siglo XIII desarrollo máquinas lógicas de naturaleza mecánica para probar por sí misma la verdad o mentira de un postulado y más recientemente Leonardo Torres Quevedo que en 1914 publicó “Ensayos sobre automática” y en la Escuela Superior de Caminos Canales y Puertos de Madrid podemos ver su primer autómata ajedrecista de 1912.
Pero fue a partir finales de 1930 cuando se empezó a desarrollar lo que ahora conocemos como IA; la cibernética de Norbert Wiener, la teoría de la información de Shannon o la teoría de la computación de Turing, las redes neuronales de McCulloch y Pitts pusieron la semilla de lo que podría ser que nuestra forma de procesar la información pudiera ser imitada por una máquina. Fue en Dartmouth en 1956 y gracias al matemático e informático John McCarthy donde se termina de definir el término de “inteligencia artificial” y donde el campo de investigación artificial se funda como disciplina académica. En esta época se hacen importantes avances por informáticos y matemáticos como Newell, Misky o Papert, por el economista y teórico de las ciencias sociales como Simon, pero también lingüistas filósofos y psicólogos como Chomsky o pioneros en la psicología cognitiva como George Armitage Miller que escribió en aquella época que la psicología experimental, la lingüística teórica y la simulación por computadora de los procesos cognitivos eran todas piezas de un todo más grande.
No cabe duda de que la historia de la IA es una historia multidisciplinar y en su desarrollo e implantación ha seguido siéndolo.
Computadoras y evolución del consumo energético
La primera computadora que se tiene constancia, el Z1, creada por Konrad Zuse entre 1936 y 1938, era mecánica, de accionamiento eléctrico y muy limitada. Fue con la primera generación de ordenadores con la creación del ENIAC, donde ya se tiene un equipo electrónico de propósito general, su enorme tamaño y uso de válvulas de vacío tienen un consumo de alrededor de 160-200 kilovatios (kW). La segunda generación (1955-1964) son equipos con transistores de silicio, fibra óptica que consumían entre un 10 y un 20 % menos que los anteriores. Los de tercera generación (1964-1971) permitieron trabajar con circuitos integrados que redujeron significativamente el tamaño de los equipos y el consumo energético. Los de cuarta generación que se crearon desde 1971 con microprocesadores, incrementaron el rendimiento y el consumo energético en función de la regla de Koomey indica que, a un ritmo constante, la eficiencia energética de los dispositivos de computación mejora significativamente con el tiempo. Esto significa que la cantidad de energía necesaria para realizar una cantidad fija de cálculos se reduce a la mitad cada 1.57 años
Al igual que pasó con el desarrollo de los ordenadores, la preocupación sobre el impacto ambiental y, sobre todo, en un inicio, con el consumo energético, hace que se creen programas como Energy star para promover el uso de equipos con un consumo eficiente.
Uso de la inteligencia artificial para un futuro más verde
El equipo de investigadores de la universidad de la Coruña formados por Verónica Bolón-Canedo, Laura Morán-Fernández, Brais Cancela y Amparo Alonso-Betanzos, de la Universidad de la Coruña, publicaron en septiembre de 2024 un artículo muy recomendable en la revista Neurocomputing: ” A review of green artificial intelligence: Towards a more sustainable future”.
Por su claridad, copio del mismo artículo el objetivo de éste; “El artículo explora el campo emergente de la IA verde y los algoritmos verdes en términos de los diversos enfoques, metodologías e innovaciones que tienen como objetivo hacer que la IA y el ML sean más sostenibles desde el punto de vista ambiental. También se revisan los principales desafíos y oportunidades que plantea la reducción del consumo de energía, la minimización de las emisiones de carbono y la promoción de prácticas de IA éticas y responsables. La adopción de estos enfoques no solo tiene ventajas medioambientales –clave para el futuro y obligatoria en la UE (al menos para los sistemas de alto riesgo)–, sino que también conduce a un ahorro de costes y a una mayor eficiencia sin comprometer el rendimiento o la precisión.”
Para ver porqué la IA y modelos de ML pueden darnos soluciones tecnológicas más sostenibles debemos de revisar el uso o porqué hacen que las podamos considerar así:
Eficiencia Energética
Gracias a la IoT y la sensorización, somo capaces de desarrollar aplicaciones con el objetivo de reducir el consumo de energía y optimizar la generación de energía con la demanda local. La IA es capaz de cruzar datos de consumo con otras circunstancias ambientales y de la generación de renovables para hacer un consumo más eficiente.
Con el uso de redes neuronales de varios tipos en estos momentos se pueden hacer mejores predicciones de energía electromagnética procedente del sol para obtener energía eléctrica o calcular la velocidad del viento para utilizar aerogeneradores. De esta forma se puede predecir de forma eficiente el uso de fuentes renovables de energía y conseguir ciudades y edificios inteligentes para optimizar el uso de calefacción, agua caliente, ventilación, aire acondicionado, iluminación.
Grandes consumidores energéticos como grandes CPD están dirigiendo sus estrategias energéticas hacia estos modelos más eficientes y rentables.
Movilidad Inteligente
Según Naciones Unidas el 55% de la población viven actualmente en cuidades y prevé que en 2050 suba al 68%. En términos absolutos de población, 6.790 de los 9.700 millones de personas que habitarán el planeta lo harán viviendo en ciudades superpobladas.
El control del tráfico y el uso de apps permiten predecir y proponer mejores rutas para llegar de un sitio a otro. Llevamos tiempo empleando navegadores que hacen uso de estos recursos de IA.
El uso de los modelos de predicción, son óptimos cuando cuentan con información de calidad, y las redes 5g con las que cuenta Telefónica permiten dar soluciones en base a datos fiables, tanto para ciudades inteligentes como para turismo, movilidad y transporte.
En un futuro gracias al desarrollo de los vehículos autónomos se conseguirá una conducción más segura y una reducción de accidentes, así como modelos de machine learning que contribuyen a minimizar el consumo de energía. Los vehículos autónomos cambiarán la forma de entender la movilidad junto con soluciones de transporte compartido.
Agricultura sostenible
Gracias a la biotecnología, pero también a la sensorización y al uso de GPS que permiten una agricultura de precisión, al uso de drones y al avance de otras formas de producción como la agricultura vertical, las empresas tecnológicas son capaces de ofrecer aplicaciones para que las explotaciones agrarias puedan cambiar su forma de trabajo para haceras más eficientes. Todos los datos que se generan pueden ser tratador con algoritmos de machine learning pudiendo ser más precisos con las cantidades de agua, fertilizantes o pesticidas que utilizan o el tratamiento de imágenes que permiten definir y evaluar diferentes texturas del terreno.
El uso de tractores autónomos y cosechadoras robotizadas, y el uso del aprendizaje automático cuántico (QML) para la mecanización y la detección de enfermedades hacen que el trabajo del campo cada vez sea más eficiente.
Cambio climático
Con la intención de conseguir energía baja en carbono, el uso de la IA y de algoritmos más eficientes se utiliza para realizar predicciones más seguras de la producción de electricidad a través de energías renovables, tanto solar como eólica, y por tanto, ajustar la producción con la demanda energética para que el porcentaje de renovables sea mayor.
También se ha conseguido mitigar fugas de metano en gaseoductos de gas natural y estaciones de compresión, basándose en el uso de redes neuronales convolucionales entrenadas con imágenes de fugas de metano.
Políticas medioambientales
El uso de la IA para diseñar políticas medioambientales ha sido un enfoque transformador para mejorar la sostenibilidad de diversos sectores gracias al uso de algoritmos de machine learning que permiten identificar patrones, tendencias y predecir posibles resultados.
Evolución del uso de recursos con las nuevas tecnologías
Como pasó en la evolución del consumo energético de los primeros ordenadores, la optimización de los recursos en el uso de la tecnología es la evolución natural para hacer tanto su uso como el propio negocio más sostenible.
Existe un enfrentamiento entre una IA roja que no se plantea límites en el uso de recursos computacionales frente a una IA verde que busca su limitación, se ha estudiado y visto que hasta ahora se había priorizado la precisión frente a la eficacia, entrenando grandes volúmenes de datos y duplicando cada 3,4 meses desde 2012 las necesidades computacionales. Esta tendencia ha tenido su punto de inflexión con la aparición de nuevos modelos como R1 de Deepseek.
La tendencia es este aspecto está en el uso algoritmos eficientes que requieren menos potencia de cálculo y por tanto optimizan el uso del hardware. Arquitecturas eficientes y técnicas de compresión de modelos y aprendizaje eficiente, que permiten igualmente que los modelos funcionen con menos hardware y menos energía.
El edge-computing es una estrategia clave también para hacer un uso eficiente de los recursos, acercando el lugar donde se producen los datos y donde se utilizan. Telefónica es consciente de que esta tecnología hace más sostenibles tanto los recursos de comunicaciones como los de computación en CPD o la nube.
Conclusión
En la transformación digital debemos pensar en las posibilidades que nos da la tecnología más allá de su uso inicial, como hizo Ada Lovelace con el telar de Jacquard, tenemos que realizar un uso eficiente de los recursos como se hizo con la evolución del consumo energético en la computación, trabajar con un equipo multidisciplinar como se hizo desde los inicios de la IA para ver los diferentes puntos de vista.
Incorporar las nuevas tecnologías como la IA o los modelos de machine learning no solamente en las grandes empresas, sino en las PYMES, conseguirán hacer estas más rentables y eficientes.
Gracias a la inteligencia artificial, modelos de machine learning o quantum machine learning, tenemos la oportunidad de desarrollar nuevas aplicaciones y hacerlo desde un punto de vista técnico, ético y sostenible. Es importante que cuando una empresa se plantee incorporar nuevas tecnologías lo hagan acompañados de tecnológicas que sepan dar este tipo de servicios en el que algunos casos como en la inteligencia artificial, pasan incluso por tener un modelo de gobernanza específico.
