Flexibilizar el despliegue y gestión de IA mediante centros de datos (CDs) distribuidos geográficamente, priorizando regiones marginadas y distribuyendo equitativamente los impactos ambientales negativos.

• Equilibrar la carga mediante el desvío del tráfico de IA considerando factores locales en tiempo real, como la proporción de fuentes fósiles de energía y la eficiencia del uso del agua.

• Aplicar con independencia de dónde opere una empresa, ya sea en sus infraestructuras y CDs geográficamente distribuidos o mediante servicios basados en la nube.

RETOS

• Predecir futuras demandas de la IA para justificar el impacto ambiental a largo plazo.

• Asegurar un nivel consistente de rendimiento y calidad de inferencia (predictivilidad) del
modelo.

• Medir el impacto ambiental directo e indirecto a través del ciclo de vida de los sistemas IA, incluyendo la huella de carbono, consumo de energía e impacto ambiental de la extracción de materias primas y reduciendo el impacto ambiental de los sistemas IA y centros de datos.

• Introducir incentivos que aseguren el desarrollo y adopción de soluciones basadas en derechos humanos y ética de los sistemas IA para afrontar el riesgo de desastres naturales. Estos sistemas IA deben implicar la participación de comunidades locales e indígenas a través de su ciclo de vida y apoyar la aproximación a una economía circular y un consumo sostenible. Se incluyen entre las aplicaciones:

a. La protección, seguimiento y gestión de los recursos naturales.

b. La predicción, prevención, control y mitigación de problemas relacionados con el clima.

c. Preservar un ecosistema alimentario más eficiente y sostenible.

d. Acelerar el acceso a la adopción masiva de energía sostenible.

e. Posibilitar y promocionar la dominancia de infraestructuras, modelos empresariales y finanzas para un desarrollo sostenible.

f. Detectar contaminantes o predecir niveles de contaminación colaborando en la identificación de grupos de interés relevantes, planificar e implementar intervenciones para prevenir y reducir la contaminación y exposición a la misma.

• Cuando se elijan métodos de IA, dada la envergadura del impacto ambiental asociado a algunos de ellos, se debe asegurar que los actores favorecen métodos IA eficientes de elaboración de datos y consumo de energía y recursos. Deben desarrollarse requerimientos para asegurar la disponibilidad de evidencias al respecto, y en su defecto, debe favorecerse el principio de precaución, de forma que en instancias donde el impacto ambiental sea desproporcionadamente negativo, no debería hacerse uso de la IA.