Volver al repositorio MIT
6. Socioeconómico y Ambiental3 - Otro

Daño ambiental

Impactos ambientales adversos generados por el desarrollo y el despliegue de modelos.

Fuente: MIT AI Risk Repositorymit280

ENTIDAD

2 - IA

INTENCIÓN

2 - Involuntario

TIEMPO

3 - Otro

ID del riesgo

mit280

Linea de dominio

6. Socioeconómico y Ambiental

262 riesgos mapeados

6.6 > Daño ambiental

Estrategia de mitigacion

1. Priorizar el desarrollo e implementación de modelos de Inteligencia Artificial (IA) intrínsecamente eficientes (Green AI), seleccionando arquitecturas ligeras o escasamente activadas (e.g., Mixture-of-Experts) y optimizando el software para reducir la demanda computacional, alineado con el principio de evitar y minimizar impactos adversos 2. Implementar estrategias de optimización geográfica y de infraestructura (Map Optimization y Mechanization), ubicando las cargas de trabajo de entrenamiento y despliegue en centros de datos con alta eficiencia energética (bajo PUE) y que utilicen un suministro de energía renovable o libre de carbono (24/7 carbon-free energy) 3. Establecer un marco de transparencia y rendición de cuentas que exija la medición, caracterización y publicación sistemática del consumo energético y la huella de carbono equivalente (CO2e) de los modelos de Machine Learning, e impulsar normativas para la compensación de las emisiones residuales ineludibles

EVIDENCIA ADICIONAL

Ilustración: El incremento en las emisiones netas de carbono, producto del uso generalizado de estos modelos de IA, representa una externalidad ambiental significativa (Patterson et al., 2021)±