Costo ambiental
Los sistemas de Aprendizaje Profundo (Deep Learning, DL) a gran escala generan una huella de carbono considerable. Esto se debe a las ingentes demandas computacionales necesarias tanto para sus extensos procesos de entrenamiento como para su posterior operación (inferencia)
ENTIDAD
2 - IA
INTENCIÓN
2 - Involuntario
TIEMPO
1 - Pre-despliegue
ID del riesgo
mit766
Linea de dominio
6. Socioeconómico y Ambiental
6.6 > Daño ambiental
Estrategia de mitigacion
1. Priorizar la transición energética de la infraestructura computacional hacia fuentes de Energía Libre de Carbono (CFE) y Energías Renovables (eólica, solar), complementado con la implementación de métricas de desempeño energético (EnPIs) para la optimización continua de los sistemas de enfriamiento y operación. 2. Impulsar el desarrollo de Algoritmos "Verdes" (Green AI), enfocándose en la optimización del modelo y la selección de arquitecturas con baja demanda computacional para reducir significativamente el consumo de energía inherente a los extensos procesos de entrenamiento e inferencia. 3. Establecer una gestión de recursos hídricos y materiales bajo el principio de economía circular, implementando tecnologías de enfriamiento de alta eficiencia (como direct liquid cooling) para minimizar el consumo de agua y adoptando estrategias de *zero waste* en la cadena de suministro para mitigar la generación de residuos electrónicos y la extracción insostenible de minerales críticos.