| 000 | 02669nam a2200289 i 4500 | ||
|---|---|---|---|
| 001 | 00008729 | ||
| 003 | ES-MaONT | ||
| 005 | 20260205190417.0 | ||
| 008 | 260205n xxua||||st||| 00| 0 eng d | ||
| 040 | _aES-MaONT | ||
| 110 |
_aMassachusetts Institute of Technology _910184 |
||
| 245 | 1 | 3 |
_aThe Iceberg Index _b: Measuring Skills-centered Exposure in the AI Economy _c/ Massachusetts Institute of Technology |
| 260 |
_aBoston _b: Massachusetts Institute of Technology _c,[Fecha de publicación no identificada] |
||
| 300 |
_a21 páginas _b; 1 documento PDF |
||
| 336 |
_2isbdcontent _atexto (visual) |
||
| 337 |
_2isbdmedia _aelectrónico |
||
| 338 |
_2rdacarrier _arecurso en línea |
||
| 520 | 3 | _a"El informe analiza el impacto energético oculto de la inteligencia artificial (IA), utilizando la metáfora del iceberg para describir cómo el consumo visible asociado al uso de aplicaciones es solo una pequeña parte del coste real. Su objetivo es explicar de manera accesible cómo el entrenamiento de modelos, el almacenamiento de datos, la inferencia continua y la infraestructura de centros de datos generan una demanda energética mucho mayor de lo que perciben usuarios y organizaciones. El estudio pone el foco en la necesidad de comprender este impacto para tomar decisiones tecnológicas responsables. Los resultados muestran que la mayor parte del consumo energético se concentra en fases poco visibles, como el entrenamiento de modelos a gran escala y el funcionamiento permanente de centros de datos. El informe detalla cómo factores como la eficiencia del hardware, la localización geográfica, el tipo de energía utilizada y la optimización del software influyen de forma significativa en la huella ambiental de la IA. También destaca que el crecimiento de modelos cada vez más grandes puede amplificar estos efectos si no se acompaña de mejoras en eficiencia y diseño. El documento concluye que la sostenibilidad de la IA depende de un enfoque integral que combine innovación tecnológica, eficiencia energética y gobernanza responsable. Recomienda priorizar modelos más eficientes, aumentar la transparencia sobre el consumo energético y alinear el desarrollo de la IA con objetivos climáticos. Entender el iceberg energético es clave para equilibrar progreso digital, competitividad y responsabilidad ambiental." | |
| 650 | 0 |
_94348 _aInteligencia Artificial |
|
| 650 | 0 |
_99674 _aEnergía |
|
| 650 | 0 |
_99650 _aCentros de datos |
|
| 650 | 0 |
_95192 _aSostenibilidad |
|
| 650 | 0 |
_910183 _aConsumo energético |
|
| 856 | 4 | 0 |
_uhttps://iceberg.mit.edu/report.pdf _x0 _yAcceso a publicación |
| 942 |
_2z _cINF |
||
| 999 |
_c8729 _d8729 |
||