Abordando la eficiencia energética de la IA con un enfoque sistémico: un paso más allá del enfoque de ciclo de vida

Abstract

En este artículo presentamos un primer acercamiento a un modelo que represente el comportamiento energético de un modelo de Machine Learning (ML) desde el punto de vista del sistema. Centrándonos en las dos primeras etapas del ciclo de vida ML, identificamos los elementos de un sistema de ML que más influyen en su consumo energético, y a continuación identificamos las relaciones causa-efecto existentes entre estos elementos que influyen en el consumo de energía del sistema ML. A continuación identificamos mejoras energéticas que se pueden aplicar a las relaciones entre elementos -en particular, cómo estas mejoras interfieren en la relación entre dos elementos para garantizar el comportamiento energético deseado. Concluimos que, incluso siendo un modelo parcial que sólo cubre las dos primeras etapas del ciclo de vida, el modelo muestra la necesidad de entender el consumo energético de un modelo ML como un resultado de un sistema complejo. Por otra parte el modelo podría utilizarse para descubrir relaciones que sean factibles de aplicarles mejoras energéticas.