Un método más rápido para estimar el consumo de energía de la IA

Investigadores del MIT y del MIT-IBM Watson AI Lab han desarrollado una herramienta que predice el uso de energía de las cargas de trabajo de IA, ayudando a los centros de datos a asignar recursos de manera eficiente y reducir el desperdicio de energía.

Debido al crecimiento explosivo de la inteligencia artificial, se estima que los centros de datos consumirán hasta el 12 por ciento de la electricidad total de EE. UU. para 2028, según el Lawrence Berkeley National Laboratory. Mejorar la eficiencia energética de los centros de datos es una forma en que los científicos buscan hacer que la IA sea más sostenible. Para lograr ese objetivo, los investigadores del MIT y del MIT-IBM Watson AI Lab desarrollaron una herramienta de predicción rápida que informa a los operadores de centros de datos cuánto poder se consumirá al ejecutar una carga de trabajo de IA particular en un procesador o chip acelerador de IA específico. Su método produce estimaciones de potencia confiables en unos pocos segundos, a diferencia de las técnicas de modelado tradicionales que pueden tardar horas o incluso días en ofrecer resultados. Además, su herramienta de predicción se puede aplicar a una amplia gama de configuraciones de hardware, incluso a diseños emergentes que aún no se han implementado.

Los operadores de centros de datos podrían usar estas estimaciones para asignar recursos limitados de manera efectiva entre múltiples modelos de IA y procesadores, mejorando la eficiencia energética. Además, esta herramienta podría permitir a los desarrolladores de algoritmos y proveedores de modelos evaluar el consumo de energía potencial de un nuevo modelo antes de implementarlo. «El desafío de la sostenibilidad de la IA es una pregunta urgente que debemos responder. Debido a que nuestro método de estimación es rápido, conveniente y proporciona retroalimentación directa, esperamos que haga que los desarrolladores de algoritmos y los operadores de centros de datos sean más propensos a pensar en reducir el consumo de energía», dice Kyungmi Lee, postdoctorado del MIT y autora principal de un artículo sobre esta técnica.

Lee está acompañada en el artículo por Zhiye Song, estudiante de posgrado en ingeniería eléctrica y ciencias de la computación; Eun Kyung Lee y Xin Zhang, gerentes de investigación en IBM Research y el MIT-IBM Watson AI Lab; Tamar Eilam, IBM Fellow y científica jefe de computación sostenible en IBM Research; y el autor senior Anantha P. Chandrakasan, provost del MIT y profesor de ingeniería eléctrica y ciencias de la computación. La investigación se presentará esta semana en el Simposio Internacional IEEE sobre Análisis de Rendimiento de Sistemas y Software.
¿Cómo pueden los operadores de centros de datos integrar herramientas de estimación rápida para optimizar el consumo energético en un entorno de creciente demanda de IA?
.

.

.

RESUMEN BASADO EN EL ARTÍCULO PUBLICADO EN MIT News EL 27 de abril de 2026. Leer original

https://news.mit.edu/2026/faster-way-to-estimate-ai-power-consumption-0427