Consumo energético de sistemas de Inteligencia Artificial - UNE 0086

 



Esta Especificación UNE ha sido  elaborada para abordar la evaluación del impacto medioambiental de los sistemas de Inteligencia Artificial (IA), centrándose en el consumo energético y de agua de modelos y algoritmos, así como de las emisiones de carbono producidas a lo largo de su ciclo de vida. Está fuera del alcance de esta Especificación UNE la evaluación medioambiental de otros recursos naturales, incluyendo el hardware en que ejecutan esos sistemas y los materiales utilizados en su fabricación, así como la evaluación medioambiental de las instalaciones en que ejecutan, sean simples oficinas o centros de procesamiento de datos dedicados, ya que existen otras recomendaciones y normas que las abordan de manera específica. Aun así, esta especificación debería considerarse de manera complementaria a esas otras recomendaciones y normas para obtener una aproximación lo más realista posible del impacto ambiental de los sistemas de IA considerados y de las soluciones, productos y servicios en que se utilizan. Este enfoque es fundamental para optimizar la eficiencia y minimizar el impacto ambiental, asegurando al mismo tiempo un rendimiento adecuado de dichas soluciones de IA. En paralelo con este trabajo, están desarrollándose otras especificaciones y documentos normativos que abordan la medición del impacto ambiental de la IA. Los más relevantes en este aspecto son: 

– Informe Técnico ISO/IEC TR 20226 Information technology. Artificial intelligence. Environmental sustainability aspects of AI Systems. 

– Especificación AFNOR SPEC 2314, de junio de 2024, Référentiel général pour l'IA frugale. Mesurer et réduire l'impact environnemental de l'IA.

– Informe Técnico CEN/CLC/TR 18145:2025, Environmentally sustainable Artificial Intelligence de CEN/CENELEC. 

– Especificación Técnica prCEN/TS Sustainable Artificial Intelligence. Guidelines and metrics for the environmental impact of artificial intelligence systems and services de CEN/CENELEC.

El objeto de esta Especificación UNE es proporcionar una guía detallada para medir el consumo energético, la huella de carbono, el consumo de agua y el rendimiento de sistemas de Inteligencia Artificial, estableciendo un marco de trabajo adecuado para la medición y evaluación de estos parámetros de los modelos y algoritmos de que constan dichos sistemas en las diferentes fases del ciclo de vida. Define los métodos y directrices para medir el consumo energético, la huella de carbono, el consumo de agua y el rendimiento tanto a nivel de hardware como a través de las bibliotecas y marcos de trabajo que se utilizan en su desarrollo y uso. Considera, además, las particularidades de los centros de procesamiento de datos que de manera usual soportan su ejecución y, en concreto, las particularidades de su ejecución en la nube. El objetivo es proporcionar un enfoque coherente y fiable para la medición y la optimización de dichos parámetros en todos los aspectos relacionados con las operaciones de IA, facilitando la comparación y mejora continua en el equilibrio que debe existir entre su rendimiento operativo y su eficiencia medioambiental. Esta especificación considera por tanto la evaluación medioambiental del ciclo de vida específico de los sistemas de IA contemplados, que son los basados en técnicas y modelos de aprendizaje automático y aprendizaje profundo, por ser los que más impacto medioambiental tienen.

Esta Especificación UNE proporciona una guía detallada para medir el consumo energético, la huella de carbono, el consumo de agua y el rendimiento de sistemas de Inteligencia Artificial. Está destinada a ser aplicada a los sistemas directamente involucrados en tareas de IA y, más concretamente, los modelos de aprendizaje automático y aprendizaje profundo (incluyendo IA Generativa y LLMs, redes neuronales, etc.) por ser los que más impacto medioambiental tienen, así como a la gestión de recursos energéticos dentro de estos entornos. No pretende ser de aplicación a componentes o sistemas que no estén directamente comprometidos en operaciones de IA ni a aquellos que no cumplan con las pautas de medición especificadas. 

Normas para consulta 

Los documentos indicados a continuación, en su totalidad o en parte, son normas para consulta indispensables para la aplicación de este documento. Para las referencias con fecha, solo se aplica la edición citada. Para las referencias sin fecha se aplica la última edición (incluida cualquier modificación de esta). 

UNE-EN 50600-4-2:2016 + A1:2019, Tecnología de la información. Infraestructuras e instalaciones de centros de datos. Parte 4-2: Eficacia de la utilización de la energía. 

UNE-EN 50600-4-3:2016 + A1:2019, Tecnología de la información. Infraestructuras e instalaciones de centros de datos. Parte 4-3: Coeficiente de energía renovable. 

UNE-EN 50600-4-8:2022, Tecnología de la información. Infraestructuras e instalaciones de centros de datos. Parte 4-8: Eficacia de la utilización del carbono. 

UNE-EN 50600-4-9:2022, Tecnología de la información. Infraestructuras e instalaciones de centros de datos. Parte 4-9: Eficacia de la utilización del agua.



 

Comments

Popular posts from this blog

IBM goes big to keep quantum computers cold

IBM - avances en mantener adecuadamente fríos computadores cuánticos.

Estructura multinivel de los sistemas de agentes de IA