Altman propone calcular el coste de la inteligencia de otro modo: 20 años de comida frente a un centro de datos

Veinte vatios. Es lo que consume el cerebro humano cuando trabaja a pleno rendimiento, menos que una bombilla incandescente tenue. Durante décadas, este dato ha sido el principal comodín en los debates sobre la ineficiencia de la inteligencia artificial: ¿para qué construir centros de datos del tamaño de una ciudad pequeña si la naturaleza resolvió el mismo problema con kilo y medio de tejido neuronal y un puñado de glucosa? Sam Altman ha decidido que es hora de revisar los términos de esa comparación.

El director de OpenAI ha lanzado una tesis provocadora: comparar el consumo energético de un cerebro en funcionamiento con el de una red neuronal en funcionamiento es un truco intelectual. Un cálculo correcto, a juicio de Altman, debe incluir toda la energía invertida en crear la inteligencia, no solo en utilizarla. En el caso de una persona, eso supone unos veinte años de alimentación continua, sueño y aprendizaje: miles y miles de calorías convertidas en conexiones sinápticas. Si se va más lejos, habría que contar los millones de años de evolución, durante los cuales innumerables organismos nacieron, consumieron recursos y murieron para que la selección natural acabara produciendo un ser capaz de razonar sobre abstracciones.

El argumento no es nuevo en los círculos académicos, pero en boca del director de la mayor empresa de IA sonó distinto: como una narrativa estratégica. El contexto es crucial. OpenAI y sus competidores soportan una presión creciente por la huella energética de los grandes modelos de lenguaje.

Según diversas estimaciones, entrenar un solo modelo grande del nivel de GPT-4 consumió una energía comparable al consumo anual de varios miles de hogares. Cada consulta a un chatbot gasta varias veces más electricidad que una búsqueda web normal. La construcción de nuevos centros de datos para cargas de IA se ha convertido en uno de los temas más candentes de la política energética, desde Texas hasta Escandinavia.

En este contexto, cualquier argumento capaz de reformular el debate tiene un peso no solo filosófico, sino también muy práctico.

Desde el punto de vista científico, la postura de Altman contiene un fondo razonable, pero también forzaduras evidentes. Es cierto que, si se considera el cerebro un producto del entrenamiento, su «presupuesto de entrenamiento» es colosal. Un niño consume de media entre 1000 y 2500 kilocalorías al día, y buena parte de esa energía en los primeros años de vida se destina precisamente al desarrollo del sistema nervioso.

En veinte años se acumulan unos 15–18 millones de kilocalorías, es decir, aproximadamente 17–21 megavatios hora expresados en energía eléctrica. La cifra es impresionante, pero sigue siendo varios órdenes de magnitud inferior a lo que se gasta en entrenar modelos de vanguardia, si se tienen en cuenta las pérdidas por refrigeración, transmisión de datos e infraestructura. En cuanto a la evolución, técnicamente es posible incluirla en el cálculo, pero entonces habría que atribuir a la IA toda la historia de la informática, desde las primeras máquinas de válvulas hasta los actuales clústeres de GPU, lo que vuelve absurda la comparación.

Las críticas a Altman no se hicieron esperar. Muchos investigadores señalaron una diferencia de fondo: el cerebro es un sistema de propósito general que a la vez controla el cuerpo, procesa información sensorial, sostiene la vida emocional y resuelve tareas intelectuales. Un gran modelo de lenguaje hace exactamente una cosa: generar texto (o, en su variante multimodal, también imágenes). Comparar su «coste de entrenamiento» es como comparar el coste de construir una ciudad entera con el de levantar un solo rascacielos, por impresionante que sea. Otros comentaristas fueron más duros y calificaron las palabras de Altman de intento de normalizar el consumo energético ilimitado de la industria de la IA justo cuando la sociedad empieza a hacer preguntas incómodas.

Sin embargo, en esta discusión hay una capa más profunda. El mero hecho de que el director de OpenAI reflexione públicamente sobre el precio de la inteligencia indica un cambio en el pensamiento de la industria. Hace un par de años, las empresas preferían no hablar de energía, con la esperanza de que el avance en la eficiencia de chips y algoritmos resolviera el problema por sí solo. Ahora la estrategia cambia: en lugar de negar la escala del consumo, los líderes del sector intentan redefinir el sistema de referencia con el que se mide. Si la inteligencia es un producto caro por definición, el elevado gasto energético deja de ser un fallo y se convierte en una característica.

Esta maniobra narrativa tendrá consecuencias mucho más allá de las redes sociales. Los reguladores de Europa y EE. UU. ya elaboran estándares de eficiencia energética para sistemas de IA. La forma en que la industria defina la línea base de comparación, ya sea el coste de una consulta, el de entrenar un modelo o el coste total de crear inteligencia «desde cero», influirá directamente en el rigor de las futuras normativas. Altman, consciente o no, está fijando el marco de este debate.

Una cosa se puede afirmar con certeza: la época en que las empresas de IA podían ignorar sin más la cuestión de los recursos ha terminado. Ahora tienen que construir no solo modelos, sino también argumentos de que esos modelos merecen la energía que gastan. Y de lo convincentes que resulten esos argumentos dependerá no solo la reputación de OpenAI, sino también el ritmo de desarrollo de todo el sector en los próximos años.