Altman propuso medir el costo de la inteligencia de otra manera: 20 años de comida frente a un centro de datos

Veinte vatios. Eso es exactamente lo que consume el cerebro humano durante el trabajo activo — menos que una bombilla incandescente tenue. Durante décadas, este hecho ha servido como el argumento más fuerte en los debates sobre la ineficiencia de la IA: ¿por qué construir centros de datos del tamaño de una pequeña ciudad cuando la naturaleza resolvió el mismo problema con un kilo y medio de tejido neural y un puñado de glucosa? Sam Altman ha decidido que es hora de reconsiderar los términos de esta comparación.

El jefe de OpenAI presentó una tesis provocadora: comparar el consumo de energía de un cerebro en funcionamiento y de una red neuronal en funcionamiento es un engaño intelectual. El cálculo correcto, según Altman, debe incluir toda la energía gastada en la creación de la inteligencia, no solo en su operación. Para los humanos, esto significa aproximadamente veinte años de alimentación continua, sueño, aprendizaje — miles y miles de calorías transformadas en conexiones sinápticas. Si vamos más allá, necesitamos tener en cuenta millones de años de evolución, durante los cuales innumerables organismos nacían, consumían recursos y morían, para que la selección natural eventualmente produjera una criatura capaz de razonar sobre abstracciones.

El argumento no es nuevo en los círculos académicos, pero de la boca del jefe de la empresa de IA más grande del mundo, sonó diferente — como una narrativa estratégica. El contexto aquí es crítico. OpenAI y sus competidores enfrentan una presión creciente sobre la huella energética de los grandes modelos de lenguaje.

Según varias estimaciones, el entrenamiento de un único modelo grande al nivel de GPT-4 consumió energía comparable al consumo anual de varios miles de hogares. Cada solicitud a un chatbot consume muchas veces más electricidad que una consulta de búsqueda típica. Construir nuevos centros de datos para cargas de trabajo de IA se ha convertido en uno de los temas más candentes en la política energética — desde Texas hasta Escandinavia.

En estas condiciones, cualquier argumento capaz de reformatear la discusión adquiere no solo importancia filosófica sino también práctica.

Desde un punto de vista científico, la posición de Altman contiene un núcleo racional, pero también estiramientos notables. De hecho, si vemos el cerebro como un producto del aprendizaje, su "presupuesto de entrenamiento" es colosal. Un niño consume un promedio de 1000 a 2500 kilocalorías por día, y una parte significativa de esta energía en los primeros años de vida va precisamente al desarrollo del sistema nervioso.

Durante veinte años, esto asciende a aproximadamente 15–18 millones de kilocalorías — aproximadamente 17–21 megavatios-hora cuando se convierte a energía eléctrica. La cifra es impresionante, pero sigue siendo órdenes de magnitud menos que lo que se gasta en el entrenamiento de modelos de vanguardia cuando se contabilizan las pérdidas de enfriamiento, transmisión de datos e infraestructura. En cuanto a la evolución — incluirla en el cálculo es técnicamente posible, pero entonces para la IA necesitaríamos tener en cuenta toda la historia de la computación, desde las primeras máquinas de válvulas hasta los modernos clusters de GPU, lo que hace que la comparación carezca de sentido.

Los críticos de Altman no tardaron en responder. Muchos investigadores señalaron una diferencia fundamental: el cerebro es un sistema universal que simultáneamente gestiona el cuerpo, procesa información sensorial, sostiene la vida emocional y resuelve tareas intelectuales. Un gran modelo de lenguaje hace exactamente una cosa — genera texto (o, en la variante multimodal, también imágenes). Comparar sus "costos de entrenamiento" es como comparar el costo de construir una ciudad entera con el costo de construir uno, aunque sea muy impresionante, rascacielos. Otros comentaristas fueron más duros, llamando la declaración de Altman un intento de normalizar el consumo ilimitado de energía de la industria de IA en un momento en que la sociedad comienza a hacer preguntas incómodas.

Sin embargo, hay una capa más profunda en esta discusión. El simple hecho de que el jefe de OpenAI esté públicamente razonando sobre el precio de la inteligencia señala un cambio en el pensamiento industrial. Hace un par de años, las empresas preferían no discutir la energía, esperando que el progreso en la eficiencia de chips y algoritmos resolviera el problema por sí solo.

Ahora la estrategia está cambiando: en lugar de negar la escala del consumo, los líderes de la industria están tratando de redefinir el sistema de coordenadas en el que se evalúa este consumo. Si la inteligencia es un producto caro por definición, entonces los altos costos energéticos dejan de ser un error y se convierten en una característica.

Esta maniobra narrativa tendrá consecuencias mucho más allá de las redes sociales. Los reguladores en Europa y Estados Unidos ya están desarrollando estándares de eficiencia energética para sistemas de IA. La manera en que la industria defina la comparación de referencia — ya sea el costo de una única consulta, el costo del entrenamiento de un modelo o el costo total de crear inteligencia "desde cero" — impactará directamente la rigidez de las futuras regulaciones. Altman, consciente o no, está estableciendo el marco para estos debates.

Una cosa puede decirse con seguridad: la era en la que las empresas de IA podían simplemente ignorar la cuestión de los recursos ha terminado. Ahora deben no solo construir modelos sino también construir argumentos sobre por qué estos modelos valen la energía gastada. Y la persuasividad de estos argumentos determinará no solo la reputación de OpenAI sino también el ritmo de desarrollo de toda la industria en los años venideros.