En el futuro, la energía necesaria para hacer funcionar las poderosas computadoras a bordo de una flota global de vehículos autónomos podría generar tantas emisiones de gases de efecto invernadero como todos los centros de datos del mundo en la actualidad.

Ese es un hallazgo clave de un nuevo estudio de investigadores del MIT que exploró el consumo potencial de energía y las emisiones de carbono relacionadas si los vehículos autónomos se adoptan ampliamente.

Los centros de datos que albergan la infraestructura informática física utilizada para ejecutar aplicaciones son ampliamente conocidos por su gran huella de carbono : actualmente representan alrededor del 0,3 por ciento de las emisiones mundiales de gases de efecto invernadero, o casi la misma cantidad de carbono que el país de Argentina produce anualmente, según la Agencia Internacional de la Energía. Al darse cuenta de que se ha prestado menos atención a la huella potencial de los vehículos autónomos, los investigadores del MIT construyeron un modelo estadístico para estudiar el problema. Determinaron que mil millones de vehículos autónomos, cada uno conduciendo durante una hora por día con una computadora que consume 840 vatios, consumirían suficiente energía para generar aproximadamente la misma cantidad de emisiones que los centros de datos generan actualmente.

Los investigadores también encontraron que en más del 90 por ciento de los escenarios modelados, para evitar que las emisiones de los vehículos autónomos superen las actuales emisiones del centro de datos, cada vehículo debe usar menos de 1.2 kilovatios de energía para computación, lo que requeriría un hardware más eficiente. En un escenario, donde el 95 por ciento de la flota mundial de vehículos es autónomo en 2050, las cargas de trabajo computacional se duplican cada tres años y el mundo continúa descarbonizándose al ritmo actual, descubrieron que la eficiencia del hardware tendría que duplicarse más rápido que cada 1,1 años para mantener las emisiones por debajo de esos niveles.

« Si mantenemos las tendencias habituales en la descarbonización y la tasa actual de mejoras en la eficiencia del hardware, no parece que sea suficiente para limitar las emisiones de la computación a bordo de los vehículos autónomos. Esto tiene el potencial de convertirse en un problema enorme. Pero si nos adelantamos, podríamos diseñar vehículos autónomos más eficientes que tengan una huella de carbono más pequeña desde el principio « , dice el primer autor Soumya Sudhakar, estudiante graduado en aeronáutica y astronáutica.

Sudhakar escribió el artículo con sus coasesores Vivienne Sze, profesora asociada en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) y miembro del Laboratorio de Investigación de Electrónica (RLE); y Sertac Karaman, profesor asociado de aeronáutica y astronáutica y director del Laboratorio de Sistemas de Información y Decisión (LIDS). La investigación aparece en la edición de enero-febrero de IEEE Micro.

Modelado de emisiones

Los investigadores crearon un marco para explorar las emisiones operativas de las computadoras a bordo de una flota global de vehículos eléctricos que son completamente autónomos, lo que significa que no requieren un conductor humano de respaldo.

El modelo es una función de la cantidad de vehículos en la flota global, la potencia de cada computadora en cada vehículo, las horas conducidas por cada vehículo y la intensidad de carbono de la electricidad que alimenta cada computadora.

« Por sí solo, parece una ecuación engañosamente simple. Pero cada una de esas variables contiene mucha incertidumbre porque estamos considerando una aplicación emergente que aún no está aquí », dice Sudhakar.

Por ejemplo, algunas investigaciones sugieren que la cantidad de tiempo que se conduce en vehículos autónomos podría aumentar porque las personas pueden realizar múltiples tareas mientras conducen y los jóvenes y los ancianos podrían conducir más. Pero otra investigación sugiere que el tiempo dedicado a conducir podría disminuir porque los algoritmos podrían encontrar rutas óptimas que lleven a las personas a sus destinos más rápido.

Además de considerar estas incertidumbres, los investigadores también necesitaban modelar hardware y software informático avanzado que aún no existe.

Para lograrlo, modelaron la carga de trabajo de un algoritmo popular para vehículos autónomos, conocido como red neuronal profunda multitarea porque puede realizar muchas tareas a la vez. Exploraron cuánta energía consumiría esta red neuronal profunda si estuviera procesando muchas entradas de alta resolución de muchas cámaras con altas velocidades de cuadro, simultáneamente.

Cuando utilizaron el modelo probabilístico para explorar diferentes escenarios, Sudhakar se sorprendió de la rapidez con la que se acumulaba la carga de trabajo de los algoritmos.

Por ejemplo, si un vehículo autónomo tiene 10 redes neuronales profundas que procesan imágenes de 10 cámaras y ese vehículo conduce durante una hora al día, hará 21,6 millones de inferencias cada día. Mil millones de vehículos harían 21,6 cuatrillones de inferencias. Para poner eso en perspectiva, todos los centros de datos de Facebook en todo el mundo hacen algunos billones de inferencias cada día (1 cuatrillón es 1000 billones).

« Después de ver los resultados, esto tiene mucho sentido, pero no es algo que esté en el radar de muchas personas. Estos vehículos en realidad podrían estar usando una tonelada de potencia informática. Tienen una vista de 360 ​​grados del mundo, así que mientras tenemos dos ojos, ellos pueden tener 20 ojos, mirando por todas partes y tratando de entender todas las cosas que suceden al mismo tiempo », dice Karaman.

Los vehículos autónomos se utilizarían para mover bienes, así como personas, por lo que podría haber una gran cantidad de poder de cómputo distribuido a lo largo de las cadenas de suministro globales, dice. Y su modelo solo considera la computación, no tiene en cuenta la energía consumida por los sensores del vehículo ni las emisiones generadas durante la fabricación.

Mantener las emisiones bajo control

Para evitar que las emisiones se salgan de control, los investigadores descubrieron que cada vehículo autónomo necesita consumir menos de 1,2 kilovatios de energía para computación. Para que eso sea posible, el hardware informático debe volverse más eficiente a un ritmo significativamente más rápido, duplicando su eficiencia aproximadamente cada 1,1 años.

Una forma de aumentar esa eficiencia podría ser usar hardware más especializado, que está diseñado para ejecutar algoritmos de conducción específicos. Debido a que los investigadores conocen las tareas de navegación y percepción requeridas para la conducción autónoma, podría ser más fácil diseñar hardware especializado para esas tareas, dice Sudhakar. Pero los vehículos tienden a tener una vida útil de 10 o 20 años, por lo que un desafío en el desarrollo de hardware especializado sería « prepararlo para el futuro » para que pueda ejecutar nuevos algoritmos.

En el futuro, los investigadores también podrían hacer que los algoritmos sean más eficientes, por lo que necesitarían menos potencia informática. Sin embargo, esto también es un desafío porque sacrificar cierta precisión por una mayor eficiencia podría obstaculizar la seguridad del vehículo.

Ahora que han demostrado este marco, los investigadores quieren continuar explorando la eficiencia del hardware y las mejoras en los algoritmos. Además, dicen que su modelo puede mejorarse al caracterizar el carbono incorporado de los vehículos autónomos (las emisiones de carbono generadas cuando se fabrica un automóvil) y las emisiones de los sensores de un vehículo.

Si bien todavía hay muchos escenarios para explorar, los investigadores esperan que este trabajo arroje luz sobre un problema potencial que las personas pueden no haber considerado.

« Esperamos que la gente piense en las emisiones y la eficiencia del carbono como métricas importantes a tener en cuenta en sus diseños. El consumo de energía de un vehículo autónomo es realmente crítico, no solo para prolongar la vida útil de la batería, sino también para la sostenibilidad », dice Sze.

Esta investigación fue financiada, en parte, por la Fundación Nacional de Ciencias y la Beca MIT-Accenture.