{"id":568398,"date":"2023-04-12T03:37:45","date_gmt":"2023-04-12T03:37:45","guid":{"rendered":"https:\/\/magazineoffice.com\/entrenamiento-chatgpt-ai-requirio-185000-galones-de-agua-estudio\/"},"modified":"2023-04-12T03:37:48","modified_gmt":"2023-04-12T03:37:48","slug":"entrenamiento-chatgpt-ai-requirio-185000-galones-de-agua-estudio","status":"publish","type":"post","link":"https:\/\/magazineoffice.com\/entrenamiento-chatgpt-ai-requirio-185000-galones-de-agua-estudio\/","title":{"rendered":"Entrenamiento ChatGPT AI requiri\u00f3 185,000 galones de agua: estudio"},"content":{"rendered":"<p> <br \/>\n<\/p>\n<div>\n<p class=\"sc-77igqf-0 fnnahv\">Modelos populares de lenguaje extenso (LLM) como<span> ChatGPT de OpenAI<\/span> y <span>Bardo de Google<\/span> consumen mucha energ\u00eda, lo que requiere granjas de servidores masivas para proporcionar suficientes datos para entrenar los poderosos programas.  Enfriar esos mismos centros de datos tambi\u00e9n hace que los chatbots de IA est\u00e9n incre\u00edblemente sedientos.  Una nueva investigaci\u00f3n sugiere entrenamiento para <span>GPT-3<\/span> solo consumi\u00f3 185.000 galones (700.000 litros) de agua.  El intercambio conversacional de un usuario promedio con ChatGPT b\u00e1sicamente equivale a arrojar una botella grande de agua fresca al suelo, seg\u00fan el nuevo estudio.  Dado el chatbot <span>popularidad sin precedentes<\/span>los investigadores temen que todas esas botellas derramadas puedan tener un efecto preocupante en los suministros de agua, especialmente en medio de <span>sequ\u00edas hist\u00f3ricas y la incertidumbre ambiental que se avecina<\/span> en los EE.UU.<\/p>\n<div class=\"sc-1needdh-1 kpYvjT\">\n<div class=\"sc-1needdh-0 hsbzGp instream-native-video instream-permalink instream-native-video--mobile\">\n<div class=\"sc-1h0epat-0 dfVCNP\">\n<div class=\"sc-1wkneyl-4 kDKXjm video-html5-playlist\" data-playlist=\"194082,189535,194160\" data-current=\"194082\">\n<div class=\"sc-1wkneyl-0 hAZDOz video-html5-loaded\">\n<div class=\"sc-1wkneyl-1 jShsAa video-html5-player\">\n<div class=\"sc-lhhce6-0 kCklUE video-html5 autoplay muted mobile\" data-video-id=\"194082\" data-monetizable=\"true\" data-position=\"sidebar\" data-video-title=\"Chat GPT-4 Worth the Upgrade? | Future Tech\" data-video-blog-id=\"4\" data-video-network=\"gizmodo\" data-video-duration=\"255\">\n<div class=\"sc-lhhce6-2 emBeiF video-top-bar\">\n<p>Chat GPT-4 \u00bfVale la pena actualizarlo?  |  Tecnolog\u00eda del futuro<\/p>\n<\/div>\n<p><video disablepictureinpicture=\"\" muted=\"\" playsinline=\"\" width=\"100%\" height=\"100%\" crossorigin=\"anonymous\" preload=\"none\" style=\"max-height:none\"><source data-src=\"https:\/\/vid.kinja.com\/prod\/194082\/194082_240p.mp4\" label=\"240p\" type=\"video\/mp4\"\/><source data-src=\"https:\/\/vid.kinja.com\/prod\/194082\/194082_480p.mp4\" label=\"480p\" type=\"video\/mp4\"\/><source data-src=\"https:\/\/vid.kinja.com\/prod\/194082\/194082_720p.mp4\" label=\"720p\" type=\"video\/mp4\"\/><source data-src=\"https:\/\/vid.kinja.com\/prod\/194082\/194082_1080p.mp4\" label=\"1080p\" type=\"video\/mp4\"\/><track kind=\"captions\" label=\"English\" src=\"https:\/\/kinja.com\/api\/videoupload\/caption\/19557.vtt\" srclang=\"en\"\/><\/video><\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<p class=\"sc-77igqf-0 fnnahv\">Investigadores de la Universidad de Colorado Riverside y la Universidad de Texas Arlington publicaron las estimaciones de consumo de agua de IA en un art\u00edculo preimpreso titulado \u201c<span>Haciendo que la IA sea menos &#8216;sedienta&#8217;.<\/span>&#8216;\u201d Los autores encontraron que la cantidad de agua dulce clara requerida para entrenar GPT-3 es equivalente a la cantidad necesaria para <span>llenar la torre de enfriamiento de un reactor nuclear<\/span>.  OpenAI no ha revelado el tiempo necesario para entrenar GPT-3, lo que complica las estimaciones de los investigadores, pero Microsoft, que ha establecido una asociaci\u00f3n multianual y multimillonaria con la puesta en marcha de IA y ha construido supercomputadoras para el entrenamiento de IA, dice que su \u00faltima supercomputadora, que requerir\u00eda un extenso aparato de enfriamiento, contiene 10 000 tarjetas gr\u00e1ficas y m\u00e1s de 285 000 n\u00facleos de procesador, lo que da una idea de la gran escala de la operaci\u00f3n detr\u00e1s de la inteligencia artificial.  Esa enorme cantidad de galones podr\u00eda producir celdas de bater\u00eda para 320 Teslas o, dicho de otro modo, ChatGPT, que vino despu\u00e9s de GPT-3, necesitar\u00eda \u00abbeber\u00bb una botella de agua de 500 mililitros para completar un intercambio b\u00e1sico con un usuario. que consta de aproximadamente 25-50 preguntas.<\/p>\n<p class=\"sc-77igqf-0 fnnahv\">La gigantesca cantidad de galones necesarios para entrenar el modelo de IA tambi\u00e9n supone que la capacitaci\u00f3n se lleva a cabo en el centro de datos estadounidense de \u00faltima generaci\u00f3n de Microsoft, construido especialmente para OpenAI por una suma de decenas de millones.  Si los datos se entrenaron en el centro de datos asi\u00e1tico menos eficiente energ\u00e9ticamente de la compa\u00f1\u00eda, el informe se\u00f1ala que el consumo de agua podr\u00eda ser tres veces mayor.  Los investigadores esperan que estos requisitos de agua aumenten a\u00fan m\u00e1s con los modelos m\u00e1s nuevos, como el <span>lanzado recientemente GPT-4<\/span>que se basan en un conjunto m\u00e1s grande de par\u00e1metros de datos que sus predecesores. <\/p>\n<p class=\"sc-77igqf-0 fnnahv\">\u201cLa huella h\u00eddrica de los modelos de IA ya no puede pasar desapercibida\u201d, dijeron los investigadores.  \u201cLa huella h\u00eddrica debe abordarse como una prioridad como parte de los esfuerzos colectivos para combatir los desaf\u00edos globales del agua\u201d.<\/p>\n<h2 class=\"sc-1bwb26k-1 igvwmj\" id=\"h48697\"><strong>\u00bfC\u00f3mo utilizan los chatbots el agua?<\/strong><\/h2>\n<p class=\"sc-77igqf-0 fnnahv\">Al calcular el consumo de agua de AI, los investigadores distinguen entre \u00abextracci\u00f3n\u00bb y \u00abconsumo\u00bb de agua.  El primer ejemplo es la pr\u00e1ctica de extraer agua f\u00edsicamente de un r\u00edo, lago u otra fuente, mientras que el consumo se refiere espec\u00edficamente a la p\u00e9rdida de agua por evaporaci\u00f3n cuando se utiliza en centros de datos.  La investigaci\u00f3n sobre el uso de agua de AI se centra principalmente en la parte de consumo de esa ecuaci\u00f3n, donde el agua no se puede reciclar.<\/p>\n<p class=\"sc-77igqf-0 fnnahv\">Cualquiera que haya pasado unos segundos en la sala de servidores de una empresa sabe que primero debe empacar un su\u00e9ter.  Las salas de servidores se mantienen frescas, generalmente entre 50 y 80 grados Fahrenheit para evitar que los equipos funcionen mal.  Mantener esa temperatura ideal es un reto constante porque los propios servidores convierten su energ\u00eda el\u00e9ctrica en calor.  Las torres de enfriamiento como las que se muestran a continuaci\u00f3n a menudo se implementan para tratar de contrarrestar ese calor y mantener las habitaciones a su temperatura ideal mediante la evaporaci\u00f3n del agua fr\u00eda.<\/p>\n<p><span class=\"flex-video widescreen\" style=\"width:100%;height:100%\"><iframe data-src=\"https:\/\/gizmodo.com\/embed\/inset\/iframe?id=youtube-video-j6sKYie9EPs&amp;start=0\" data-chomp-id=\"j6sKYie9EPs\" data-recommend-id=\"youtube:\/\/j6sKYie9EPs\" id=\"youtube-j6sKYie9EPs\" data-recommended=\"false\" class=\"core-inset lazyload\" frameborder=\"0\" scrolling=\"no\" allowfullscreen=\"\" webkitallowfullscreen=\"webkitAllowFullScreen\" mozallowfullscreen=\"mozallowfullscreen\"><\/iframe><span data-chomp-id=\"j6sKYie9EPs\" data-recommend-id=\"youtube:\/\/j6sKYie9EPs\" id=\"youtube-j6sKYie9EPs\" data-recommended=\"false\" class=\"js_recommend\"\/><\/span><figcaption class=\"sc-1ptbguh-0 kGTBpz caption\">Torres de enfriamiento evaporativo en el proceso del centro de datos<\/figcaption><\/p>\n<p class=\"sc-77igqf-0 fnnahv\">Las torres de enfriamiento hacen el trabajo, pero requieren inmensas cantidades de agua para hacerlo.  Los investigadores estiman que se consume alrededor de un gal\u00f3n de agua por cada kilovatio-hora gastado en un centro de datos promedio.  No se puede utilizar cualquier tipo de agua, tampoco.  Los centros de datos se alimentan de fuentes de agua dulce y limpia para evitar la corrosi\u00f3n o el crecimiento de bacterias que puede generar el agua de mar.  El agua dulce tambi\u00e9n es esencial para el control de la humedad en las habitaciones.  Los investigadores tambi\u00e9n responsabilizan a los centros de datos por el agua necesaria para generar las altas cantidades de electricidad que consumen, algo que los cient\u00edficos denominaron \u00abconsumo indirecto de agua fuera del sitio\u00bb. <\/p>\n<h2 class=\"sc-1bwb26k-1 igvwmj\" id=\"h48698\"><strong>Im\u00e1genes del centro de datos de Google<\/strong><\/h2>\n<p class=\"sc-77igqf-0 fnnahv\">Los problemas de consumo de agua no se limitan a los modelos OpenAI o AI.  En 2019, Google solicit\u00f3 m\u00e1s de <span>2.3 billones de galones de agua<\/span> para centros de datos en solo tres estados.  La empresa <span>actualmente tiene 14 centros de datos<\/span> distribuidos por Am\u00e9rica del Norte que utiliza para potenciar la B\u00fasqueda de Google, su conjunto de productos para el lugar de trabajo y, m\u00e1s recientemente, su <span>LaMDa<\/span> y <span>Bardo<\/span> grandes modelos de lenguaje.  Solo LaMDA, seg\u00fan el art\u00edculo de investigaci\u00f3n reciente, podr\u00eda requerir millones de litros de agua para entrenar, m\u00e1s que GPT-3 porque varios de los centros de datos sedientos de Google est\u00e1n ubicados en estados c\u00e1lidos como Texas;  Sin embargo, los investigadores emitieron una advertencia con esta estimaci\u00f3n, llam\u00e1ndola un \u00abpunto de referencia aproximado\u00bb.<\/p>\n<p class=\"sc-77igqf-0 fnnahv\">Aparte del agua, los nuevos LLM tambi\u00e9n requieren una cantidad asombrosa de electricidad.  Un informe de Stanford AI publicado la semana pasada que analiza <span>diferencias en el consumo de energ\u00eda entre cuatro modelos destacados de IA<\/span>, estimando que el GPT-3 de OpenAI liber\u00f3 502 toneladas m\u00e9tricas de carbono durante su entrenamiento.  En general, la energ\u00eda necesaria para entrenar GPT-3 podr\u00eda alimentar el hogar de un estadounidense promedio durante cientos de a\u00f1os.<\/p>\n<p class=\"sc-77igqf-0 fnnahv\">\u201cLa carrera para que los centros de datos se mantengan al d\u00eda con todo es bastante fren\u00e9tica\u201d, dijo Kevin Kent, CEO de Critical Facilities Efficiency Solution, en un comunicado. <span>entrevista<\/span> con tiempo.  \u201cNo siempre pueden tomar las mejores decisiones ambientales\u201d.<\/p>\n<h2 class=\"sc-1bwb26k-1 igvwmj\" id=\"h48699\"><strong>El cambio clim\u00e1tico y el empeoramiento de las sequ\u00edas podr\u00edan aumentar las preocupaciones sobre el uso del agua por parte de AI<\/strong><\/h2>\n<p class=\"sc-77igqf-0 fnnahv\">Ya, el Foro Econ\u00f3mico Mundial <span>estimados<\/span> unos 2,2 millones de residentes de EE. UU. carecen de agua y de plomer\u00eda interior b\u00e1sica.  Otros 44 millones viven con sistemas de agua \u201cinadecuados\u201d.  Los investigadores temen que una combinaci\u00f3n del cambio clim\u00e1tico y el aumento de la poblaci\u00f3n de EE. UU. haga que esas cifras empeoren a\u00fan m\u00e1s para fines de siglo.  Para 2071, Stanford <span>estimados<\/span> casi la mitad de las 204 cuencas de agua dulce del pa\u00eds no podr\u00e1n satisfacer la demanda mensual de agua.  Seg\u00fan se informa, muchas regiones podr\u00edan ver reducidos sus suministros de agua en un tercio en los pr\u00f3ximos 50 a\u00f1os.<\/p>\n<p class=\"sc-77igqf-0 fnnahv\">El aumento de las temperaturas, parcialmente alimentado por la actividad humana, ha dado lugar a que el oeste de Estados Unidos registre su <span>peor sequ\u00eda en 1.000 a\u00f1os<\/span> que tambi\u00e9n amenaza el agua dulce, aunque las lluvias torrenciales recientes han ayudado a evitar algunas preocupaciones graves.  Los niveles de agua en embalses como el lago Mead han retrocedido tanto que han <span>restos humanos expuestos hace d\u00e9cadas<\/span>.  Todo eso significa que las fuertes demandas de agua de la IA probablemente se convertir\u00e1n en un creciente punto de discusi\u00f3n, especialmente si la tecnolog\u00eda se integra en cada vez m\u00e1s sectores y servicios.  Los requisitos de datos para los LLM son cada vez m\u00e1s grandes, lo que significa que las empresas tendr\u00e1n que encontrar formas de aumentar la eficiencia del agua en sus centros de datos. <\/p>\n<p class=\"sc-77igqf-0 fnnahv\">Los investigadores dicen que hay algunas formas relativamente claras de reducir el precio del agua de AI.  Para empezar, importa d\u00f3nde y cu\u00e1ndo se entrenan los modelos de IA.  Las temperaturas exteriores, por ejemplo, pueden afectar la cantidad de agua requerida para enfriar los centros de datos.  Las empresas de IA hipot\u00e9ticamente podr\u00edan entrenar modelos a medianoche cuando hace m\u00e1s fr\u00edo o en un centro de datos con una mejor eficiencia de agua para reducir el consumo de agua, \u00bfverdad?  Los usuarios de chatbot, por otro lado, podr\u00edan optar por interactuar con los m\u00f3dulos durante las \u00abhoras de uso eficiente del agua\u00bb, al igual que las autoridades municipales fomentan el uso del lavavajillas fuera del horario de atenci\u00f3n.  A\u00fan as\u00ed, cualquiera de esos cambios en el lado de la demanda requerir\u00e1 una mayor transparencia por parte de las empresas tecnol\u00f3gicas que construyen estos modelos, algo que, seg\u00fan los investigadores, es preocupantemente escaso.<\/p>\n<p class=\"sc-77igqf-0 fnnahv\">\u201cRecomendamos que los desarrolladores de modelos de IA y los operadores de centros de datos sean m\u00e1s transparentes\u201d, escribieron los investigadores.  \u201c\u00bfCu\u00e1ndo y d\u00f3nde se entrenan los modelos de IA?  \u00bfQu\u00e9 pasa con los modelos de IA entrenados y\/o implementados en centros de datos de colocaci\u00f3n de terceros o nubes p\u00fablicas?  Dicha informaci\u00f3n ser\u00e1 de gran valor para la comunidad investigadora y el p\u00fablico en general\u201d.<\/p>\n<p class=\"sc-77igqf-0 fnnahv\"><em>\u00bfQuiere saber m\u00e1s sobre la IA, los chatbots y el futuro del aprendizaje autom\u00e1tico?  Consulte nuestra cobertura completa de <\/em><span><em>inteligencia artificial<\/em><\/span><em>o explore nuestras gu\u00edas para <\/em><span><em>Los mejores generadores de arte de IA gratuitos<\/em><\/span><em>  y <\/em><span><em>Todo lo que sabemos sobre ChatGPT de OpenAI<\/em><\/span><em>.<\/em><\/p>\n<\/div>\n<p><br \/>\n<br \/><a href=\"https:\/\/magazineoffice.com\/\">Source link-45<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Modelos populares de lenguaje extenso (LLM) como ChatGPT de OpenAI y Bardo de Google consumen mucha energ\u00eda, lo que requiere granjas de servidores masivas para proporcionar suficientes datos para entrenar&hellip;<\/p>\n","protected":false},"author":1,"featured_media":568399,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[123],"tags":[650,65604,1223,3148,75388,42907],"_links":{"self":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/568398"}],"collection":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/comments?post=568398"}],"version-history":[{"count":1,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/568398\/revisions"}],"predecessor-version":[{"id":568400,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/568398\/revisions\/568400"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media\/568399"}],"wp:attachment":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media?parent=568398"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/categories?post=568398"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/tags?post=568398"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}