Qué pasó
- Lachlan McGinness, Dan Pagendam y Robert Offner publicaron el 2 de octubre de 2026 en arXiv una revisión automatizada de los 5.285 papers aceptados en NeurIPS 2025, uno de los congresos centrales de la investigación en IA.
- Según los autores, el reporte de impacto ambiental en esos papers es casi inexistente.
- Proponen métricas estandarizadas para medir la eficiencia del entrenamiento y reglas simples para estimar las emisiones de carbono de usar un modelo, lo que en la industria se llama inferencia.
- Implementaron esas métricas en carbonbenchmark, un programa que se agrega a un proyecto para registrar y reportar emisiones.
- Formalizan un criterio que llaman el modelo más chico que hace el trabajo, como contrapeso a la carrera por décimas de precisión con costos ambientales desproporcionados.
Por qué importa
- La investigación en IA compite por superar el estado del arte, y una tabla de resultados premia la décima extra sin preguntar cuánto costó. Sin datos de emisiones en los papers, nadie puede comparar si esa décima valía la energía.
- Para empresas chilenas que eligen modelos, el criterio del modelo chico tiene una traducción directa en la factura: menos cómputo es menos costo por consulta. La sustentabilidad y el presupuesto empujan, por una vez, en la misma dirección.
- Chile recibe proyectos de centros de datos y discute su consumo de agua y energía. Sin un estándar de medición, esa discusión depende de lo que cada operador decida informar.
El dato
5.285. Papers aceptados en NeurIPS 2025 que revisaron los autores, con un reporte de emisiones casi inexistente.
Contexto
El problema de medición llega en un momento de presión física sobre la infraestructura. Massachusetts pidió energía limpia propia a los centros de datos y congeló su exención tributaria, mientras Google mandó sus chips de IA a la órbita para escapar del límite eléctrico en tierra. Las dos respuestas atacan la oferta de energía; el estudio apunta a la demanda.
Qué viene
- Los autores ponen carbonbenchmark a disposición de otros equipos de investigación.
- El paper es un preprint en versión 1, sin revisión por pares.
- Sin plazos anunciados para que NeurIPS u otros congresos exijan reportar emisiones.
Cierre
NeurIPS ya exige a los autores una lista de verificación sobre código, datos y reproducibilidad. Las emisiones siguen sin un estándar que las pida, y el estudio muestra que casi nadie las anota por iniciativa propia.
Fuentes
Editado por Rodrigo Cornejo. Cómo trabajamos: quiénes escriben las notas.
