{"id":26562,"date":"2024-11-21T10:06:34","date_gmt":"2024-11-21T10:06:34","guid":{"rendered":"https:\/\/cit.upc.edu\/?post_type=portfolio&p=26562"},"modified":"2025-11-17T13:14:01","modified_gmt":"2025-11-17T13:14:01","slug":"gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia","status":"publish","type":"portfolio","link":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/","title":{"rendered":"GAISSA: Una tarjeta energ\u00e9tica para evaluar y mejorar la eficiencia energ\u00e9tica y el rendimiento asociados a la IA\u00a0"},"content":{"rendered":"\n

22\/11\/2024
Project Header
right
no-repeat;left top;;
auto
20px

El consumo de energ\u00eda en el entrenamiento e inferencia de modelos de inteligencia artificial (IA), como por ejemplo, los modelos extensos de lenguaje (Large Language Models – LLM) como GPT-4, se ha convertido en un desaf\u00edo crucial debido al impacto ambiental y a los costos asociados a la computaci\u00f3n de alto rendimiento (High Performance Computing – HPC). El consumo de energ\u00eda necesario para entrenar estos modelos e interaccionar con ellos aumenta considerablemente a medida que estos crecen en tama\u00f1o y complejidad.<\/h4>
Project Header
no-repeat;left top;;
auto
20px


El entrenamiento de un modelo de IA consiste en alimentar las redes neuronales que lo forman con grandes vol\u00famenes de datos y realizar m\u00faltiples iteraciones entre ellos para optimizar los par\u00e1metros del modelo y mejorar sus resultados. Estas tareas requieren una enorme capacidad de procesamiento, lo que consume una cantidad muy significativa de electricidad. Seg\u00fan Schwartz et al.<\/a> el costo de entrenar modelos de Aprendizaje Autom\u00e1tico (en ingl\u00e9s, Machine Learning – ML), en t\u00e9rminos de recursos inform\u00e1ticos utilizados, aument\u00f3 300.000 veces en solo 6 a\u00f1os (2013-2019), duplic\u00e1ndose cada 3,4 meses. Seg\u00fan estudios m\u00e1s recientes<\/a>, estos costos siguen creciendo hasta una tasa anual de 2,4 veces desde 2016. Si nos centramos exclusivamente en los sistemas de IA, y pensando en un escenario<\/a> intermedio, para 2027 los centros de datos y servidores con modelos de IA consumir\u00e1n entre 85 y 134 teravatios hora (TWh) al a\u00f1o. Esta cifra es comparable al consumo anual de electricidad de pa\u00edses como Argentina, los Pa\u00edses Bajos o Suecia,<\/a> y representa aproximadamente el 0,5 % del consumo el\u00e9ctrico mundial actual.\u00a0

Sin embargo, para comprender completamente el verdadero impacto ambiental, debemos considerar el ecosistema de ML de manera hol\u00edstica, m\u00e1s all\u00e1 del entrenamiento de modelos, y tener en cuenta la huella de carbono operativa del ML. As\u00ed, la inferencia, que es el uso de un modelo entrenado para realizar predicciones en tiempo real, tambi\u00e9n puede consumir cantidades significativas de energ\u00eda, especialmente en aplicaciones a gran escala. Aunque el consumo de energ\u00eda requerido por una \u00fanica inferencia es mucho menor que durante el entrenamiento, el uso continuo y extendido en entornos como los sistemas de atenci\u00f3n al cliente, la generaci\u00f3n de contenido o la conducci\u00f3n aut\u00f3noma, puede acumular un impacto energ\u00e9tico mayor. De hecho, para servicios como ChatGPT, la inferencia constituye la causa principal de las emisiones, produciendo en un a\u00f1o 25 veces las emisiones de carbono requeridas en su entrenamiento, seg\u00fan Chien et al.\u00a0

Este elevado consumo de energ\u00eda tiene varias implicaciones:



Costes Econ\u00f3micos: El entrenamiento de modelos a gran escala es caro debido a los altos requerimientos de hardware y la energ\u00eda necesaria para alimentar los centros de datos.

Impacto Ambiental: El uso masivo de electricidad en entrenamientos prolongados contribuye a las emisiones de carbono, especialmente si la fuente de energ\u00eda no es renovable. Esto afecta a la sostenibilidad de la IA.

Optimizaci\u00f3n: Se deben desarrollar m\u00e9todos de entrenamiento e inferencia m\u00e1s eficientes, incluyendo la optimizaci\u00f3n de modelos, el uso de hardware especializado como GPUs y TPUs, y la adopci\u00f3n de estrategias como el aprendizaje federado y la compresi\u00f3n de modelos.



En este contexto, el grupo de investigaci\u00f3n Software and Service Engineering Group<\/a>(GESSI)<\/a> de la Universitat Polit\u00e8cnica de Catalunya – Barcelona Tech (UPC) trabaja en GAISSA, un proyecto en cuyo marco se ha desarrollado la herramienta inform\u00e1tica GAISSALabel<\/a>. Se trata de una tarjeta energ\u00e9tica que eval\u00faa la eficiencia energ\u00e9tica tanto en las fases de entrenamiento como de inferencia de cualquier modelo de aprendizaje autom\u00e1tico, algo que es especialmente \u00fatil para los servicios de HPC. GAISSALabel es capaz de evaluar la huella de los modelos de aprendizaje autom\u00e1tico, contribuyendo a mejorar su eficiencia, reducir los costos operativos y disminuir los tiempos de c\u00f3mputo.

GAISSALabel permitir\u00e1 a los desarrolladores de modelos de IA:



Monitorear el consumo energ\u00e9tico y generar informes detallados.

Identificar \u00e1reas de mejora para, a la hora de programar, reducir el consumo energ\u00e9tico del entrenamiento e inferencia de modelos ML.

Optimizar modelos para hacerlos m\u00e1s eficientes en t\u00e9rminos de tiempo y recursos.



Utilizando y siguiendo las recomendaciones de refactorizaci\u00f3n de la herramienta GAISSALabel, los ingenieros de ML podr\u00e1n mejorar la eficiencia energ\u00e9tica de los sistemas de ML hasta en un 50%, lo cual tambi\u00e9n permitir\u00e1 una reducci\u00f3n en el costo econ\u00f3mico de los proyectos de ML (por ejemplo, reducci\u00f3n de la factura el\u00e9ctrica de los centros de datos y HPC).\u00a0

GAISSALabel proporciona soluciones a tres niveles:



Social, fomentando el compromiso con la eficiencia energ\u00e9tica de los sistemas de ML y permitiendo a los usuarios finales seleccionar y utilizar sistemas de ML sostenibles.

Para los proveedores de software de ML, dot\u00e1ndolos de los recursos necesarios para desarrollar ML de manera sostenible, con la ayuda de herramientas de gesti\u00f3n y reporte, dentro del marco regulatorio.\u00a0

Individual, para ayudar a los cient\u00edficos de datos e ingenieros de ML a entender y gestionar la eficiencia energ\u00e9tica en producci\u00f3n a trav\u00e9s de una mayor conciencia y comprensi\u00f3n del consumo energ\u00e9tico inherente de los sistemas y herramientas de ML.



El proyecto se inici\u00f3 en diciembre 2022 y finalizar\u00e1 en septiembre de 2025. Cuenta con un presupuesto de 277.035,00 \u20ac y est\u00e1 financiado con fondos procedentes del Ministerio de Ciencia e Innovaci\u00f3n y Universidades y de Fondos Next Generation de la Uni\u00f3n Europea.
Main Text
no-repeat;left top;;
auto


\"GAISSA_Project_1500x500\"
full
https:\/\/gaissa.upc.edu\/en<\/a>
contain
center center
hide

\"image-800-a14b0fd9ec48658b4d99c650fd85c955\"
full
https:\/\/gaissa.upc.edu\/en<\/a>
contain
center center
center
hide

GK4DBUwxWDQ
autoplay=1&loop=1
contain
center center
hide

Tecnolog\u00eda<\/h5>

Transformaci\u00f3n Digital<\/a>

Energ\u00eda<\/a>
Tecnolog\u00eda
no-repeat;left top;;
auto
0px

25

Sector<\/h5>

Energ\u00eda<\/a>
Sector
no-repeat;left top;;
auto
0px

25

Tema<\/h5>

Inteligencia Artificial<\/a>

Big Data<\/a>
Tema
no-repeat;left top;;
auto
30px

40

\u00bfQuieres saber m\u00e1s?<\/h5>
Contact Button
no-repeat;left top;;
auto
0px

\n

Button<\/span><\/a>\n



\n

Button<\/span><\/a>\n
no-repeat;left top;;
auto

50

Proyectos Relacionados<\/h4>
Proyectos Relacionados
no-repeat;left top;;
auto

4
grid
4
date
DESC

<\/p>\n","protected":false},"excerpt":{"rendered":"

El consumo de energ\u00eda en el entrenamiento e inferencia de modelos de inteligencia artificial (IA), como por ejemplo, los modelos extensos de lenguaje (Large Language Models – LLM) como GPT-4, se ha convertido en un desaf\u00edo crucial debido al impacto ambiental y a los costos asociados a la computaci\u00f3n de alto rendimiento (High Performance Computing – HPC). El consumo de energ\u00eda necesario para entrenar estos modelos e interaccionar con ellos aumenta considerablemente a medida que los modelos crecen en tama\u00f1o y complejidad.<\/p>\n","protected":false},"author":5,"featured_media":26615,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":[],"portfolio-types":[929,930,391,223],"class_list":["post-26562","portfolio","type-portfolio","status-publish","has-post-thumbnail","hentry","portfolio-types-bd-en","portfolio-types-ia-en","portfolio-types-energia-en","portfolio-types-tecnologias-de-las-tic-en"],"yoast_head":"\nGAISSA: Tarjeta energ\u00e9tica para la eficiencia y rendimiento de la IA - CIT UPC<\/title>\n<meta name=\"description\" content=\"El consumo de energ\u00eda en el entrenamiento e inferencia de modelos de inteligencia artificial (IA), como por ejemplo, los modelos extensos de lenguaje (Large Language Models - LLM) como GPT-4, se ha convertido en un desaf\u00edo crucial debido al impacto ambiental y a los costos asociados a la computaci\u00f3n de alto rendimiento (High Performance Computing - HPC). El consumo de energ\u00eda necesario para entrenar estos modelos e interaccionar con ellos aumenta considerablemente a medida que los modelos crecen en tama\u00f1o y complejidad.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"GAISSA: Tarjeta energ\u00e9tica para la eficiencia y rendimiento de la IA - CIT UPC\" \/>\n<meta property=\"og:description\" content=\"El consumo de energ\u00eda en el entrenamiento e inferencia de modelos de inteligencia artificial (IA), como por ejemplo, los modelos extensos de lenguaje (Large Language Models - LLM) como GPT-4, se ha convertido en un desaf\u00edo crucial debido al impacto ambiental y a los costos asociados a la computaci\u00f3n de alto rendimiento (High Performance Computing - HPC). El consumo de energ\u00eda necesario para entrenar estos modelos e interaccionar con ellos aumenta considerablemente a medida que los modelos crecen en tama\u00f1o y complejidad.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/\" \/>\n<meta property=\"og:site_name\" content=\"CIT UPC\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/cit.upc\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-17T13:14:01+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/cit.upc.edu\/wp-content\/uploads\/2024\/11\/gaissa700x526-2.png\" \/>\n\t<meta property=\"og:image:width\" content=\"700\" \/>\n\t<meta property=\"og:image:height\" content=\"526\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@CIT_UPC\" \/>\n<meta name=\"twitter:label1\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data1\" content=\"6 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/portfolio-item\\\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\\\/\",\"url\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/portfolio-item\\\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\\\/\",\"name\":\"GAISSA: Tarjeta energ\u00e9tica para la eficiencia y rendimiento de la IA - CIT UPC\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/portfolio-item\\\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/portfolio-item\\\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/cit.upc.edu\\\/wp-content\\\/uploads\\\/2024\\\/11\\\/gaissa700x526-2.png\",\"datePublished\":\"2024-11-21T10:06:34+00:00\",\"dateModified\":\"2025-11-17T13:14:01+00:00\",\"description\":\"El consumo de energ\u00eda en el entrenamiento e inferencia de modelos de inteligencia artificial (IA), como por ejemplo, los modelos extensos de lenguaje (Large Language Models - LLM) como GPT-4, se ha convertido en un desaf\u00edo crucial debido al impacto ambiental y a los costos asociados a la computaci\u00f3n de alto rendimiento (High Performance Computing - HPC). El consumo de energ\u00eda necesario para entrenar estos modelos e interaccionar con ellos aumenta considerablemente a medida que los modelos crecen en tama\u00f1o y complejidad.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/portfolio-item\\\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/cit.upc.edu\\\/es\\\/portfolio-item\\\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/portfolio-item\\\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\\\/#primaryimage\",\"url\":\"https:\\\/\\\/cit.upc.edu\\\/wp-content\\\/uploads\\\/2024\\\/11\\\/gaissa700x526-2.png\",\"contentUrl\":\"https:\\\/\\\/cit.upc.edu\\\/wp-content\\\/uploads\\\/2024\\\/11\\\/gaissa700x526-2.png\",\"width\":700,\"height\":526},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/portfolio-item\\\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"GAISSA: Una tarjeta energ\u00e9tica para evaluar y mejorar la eficiencia energ\u00e9tica y el rendimiento asociados a la IA\u00a0\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/#website\",\"url\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/\",\"name\":\"CIT UPC\",\"description\":\"Centro de Innovaci\u00f3n y Tecnolog\u00eda\",\"publisher\":{\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/#organization\",\"name\":\"CIT UPC - UPC Technology Center\",\"url\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/cit.upc.edu\\\/wp-content\\\/uploads\\\/2020\\\/04\\\/cropped-logo_positiu_horitzontal_2020_espanol.png\",\"contentUrl\":\"https:\\\/\\\/cit.upc.edu\\\/wp-content\\\/uploads\\\/2020\\\/04\\\/cropped-logo_positiu_horitzontal_2020_espanol.png\",\"width\":512,\"height\":512,\"caption\":\"CIT UPC - UPC Technology Center\"},\"image\":{\"@id\":\"https:\\\/\\\/cit.upc.edu\\\/es\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/cit.upc\",\"https:\\\/\\\/x.com\\\/CIT_UPC\",\"https:\\\/\\\/www.youtube.com\\\/user\\\/CITUPC\",\"https:\\\/\\\/www.flickr.com\\\/photos\\\/181927091@N08\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/cit-upc\\\/\",\"https:\\\/\\\/www.instagram.com\\\/cit_upc\\\/\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"GAISSA: Tarjeta energ\u00e9tica para la eficiencia y rendimiento de la IA - CIT UPC","description":"El consumo de energ\u00eda en el entrenamiento e inferencia de modelos de inteligencia artificial (IA), como por ejemplo, los modelos extensos de lenguaje (Large Language Models - LLM) como GPT-4, se ha convertido en un desaf\u00edo crucial debido al impacto ambiental y a los costos asociados a la computaci\u00f3n de alto rendimiento (High Performance Computing - HPC). El consumo de energ\u00eda necesario para entrenar estos modelos e interaccionar con ellos aumenta considerablemente a medida que los modelos crecen en tama\u00f1o y complejidad.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/","og_locale":"es_ES","og_type":"article","og_title":"GAISSA: Tarjeta energ\u00e9tica para la eficiencia y rendimiento de la IA - CIT UPC","og_description":"El consumo de energ\u00eda en el entrenamiento e inferencia de modelos de inteligencia artificial (IA), como por ejemplo, los modelos extensos de lenguaje (Large Language Models - LLM) como GPT-4, se ha convertido en un desaf\u00edo crucial debido al impacto ambiental y a los costos asociados a la computaci\u00f3n de alto rendimiento (High Performance Computing - HPC). El consumo de energ\u00eda necesario para entrenar estos modelos e interaccionar con ellos aumenta considerablemente a medida que los modelos crecen en tama\u00f1o y complejidad.","og_url":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/","og_site_name":"CIT UPC","article_publisher":"https:\/\/www.facebook.com\/cit.upc","article_modified_time":"2025-11-17T13:14:01+00:00","og_image":[{"width":700,"height":526,"url":"https:\/\/cit.upc.edu\/wp-content\/uploads\/2024\/11\/gaissa700x526-2.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_site":"@CIT_UPC","twitter_misc":{"Tiempo de lectura":"6 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/","url":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/","name":"GAISSA: Tarjeta energ\u00e9tica para la eficiencia y rendimiento de la IA - CIT UPC","isPartOf":{"@id":"https:\/\/cit.upc.edu\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/#primaryimage"},"image":{"@id":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/#primaryimage"},"thumbnailUrl":"https:\/\/cit.upc.edu\/wp-content\/uploads\/2024\/11\/gaissa700x526-2.png","datePublished":"2024-11-21T10:06:34+00:00","dateModified":"2025-11-17T13:14:01+00:00","description":"El consumo de energ\u00eda en el entrenamiento e inferencia de modelos de inteligencia artificial (IA), como por ejemplo, los modelos extensos de lenguaje (Large Language Models - LLM) como GPT-4, se ha convertido en un desaf\u00edo crucial debido al impacto ambiental y a los costos asociados a la computaci\u00f3n de alto rendimiento (High Performance Computing - HPC). El consumo de energ\u00eda necesario para entrenar estos modelos e interaccionar con ellos aumenta considerablemente a medida que los modelos crecen en tama\u00f1o y complejidad.","breadcrumb":{"@id":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/#primaryimage","url":"https:\/\/cit.upc.edu\/wp-content\/uploads\/2024\/11\/gaissa700x526-2.png","contentUrl":"https:\/\/cit.upc.edu\/wp-content\/uploads\/2024\/11\/gaissa700x526-2.png","width":700,"height":526},{"@type":"BreadcrumbList","@id":"https:\/\/cit.upc.edu\/es\/portfolio-item\/gaissa-una-tarjeta-energetica-para-evaluar-y-mejorar-la-eficiencia-energetica-y-el-rendimiento-asociados-a-la-ia\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/cit.upc.edu\/es\/"},{"@type":"ListItem","position":2,"name":"GAISSA: Una tarjeta energ\u00e9tica para evaluar y mejorar la eficiencia energ\u00e9tica y el rendimiento asociados a la IA\u00a0"}]},{"@type":"WebSite","@id":"https:\/\/cit.upc.edu\/es\/#website","url":"https:\/\/cit.upc.edu\/es\/","name":"CIT UPC","description":"Centro de Innovaci\u00f3n y Tecnolog\u00eda","publisher":{"@id":"https:\/\/cit.upc.edu\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/cit.upc.edu\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/cit.upc.edu\/es\/#organization","name":"CIT UPC - UPC Technology Center","url":"https:\/\/cit.upc.edu\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/cit.upc.edu\/es\/#\/schema\/logo\/image\/","url":"https:\/\/cit.upc.edu\/wp-content\/uploads\/2020\/04\/cropped-logo_positiu_horitzontal_2020_espanol.png","contentUrl":"https:\/\/cit.upc.edu\/wp-content\/uploads\/2020\/04\/cropped-logo_positiu_horitzontal_2020_espanol.png","width":512,"height":512,"caption":"CIT UPC - UPC Technology Center"},"image":{"@id":"https:\/\/cit.upc.edu\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/cit.upc","https:\/\/x.com\/CIT_UPC","https:\/\/www.youtube.com\/user\/CITUPC","https:\/\/www.flickr.com\/photos\/181927091@N08","https:\/\/www.linkedin.com\/company\/cit-upc\/","https:\/\/www.instagram.com\/cit_upc\/"]}]}},"_links":{"self":[{"href":"https:\/\/cit.upc.edu\/es\/wp-json\/wp\/v2\/portfolio\/26562","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cit.upc.edu\/es\/wp-json\/wp\/v2\/portfolio"}],"about":[{"href":"https:\/\/cit.upc.edu\/es\/wp-json\/wp\/v2\/types\/portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/cit.upc.edu\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/cit.upc.edu\/es\/wp-json\/wp\/v2\/comments?post=26562"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cit.upc.edu\/es\/wp-json\/wp\/v2\/media\/26615"}],"wp:attachment":[{"href":"https:\/\/cit.upc.edu\/es\/wp-json\/wp\/v2\/media?parent=26562"}],"wp:term":[{"taxonomy":"portfolio-types","embeddable":true,"href":"https:\/\/cit.upc.edu\/es\/wp-json\/wp\/v2\/portfolio-types?post=26562"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}