Una guía para profesores sobre la sostenibilidad de la IA

Enseñar la sostenibilidad de la IA como una cuestión de evidencia, no como una regla de que cada indicación es buena o mala. Los servicios de IA utilizan electricidad, agua de refrigeración y equipos físicos, pero una “consulta” no tiene una huella fija. El tamaño del modelo, la tarea, la duración de la respuesta, el hardware, los gastos generales del centro de datos y la fuente de electricidad son importantes.

Los estudiantes deberían ser capaces de distinguir la energía del carbono y el agua, rastrear una afirmación hasta su fuente, explicar la incertidumbre y elegir una herramienta proporcionada. Evite hacer que los jóvenes se sientan responsables de las decisiones de infraestructura controladas por proveedores e instituciones. Las elecciones personales pueden reducir el desperdicio; las adquisiciones, el diseño de productos y las políticas públicas dan forma al sistema más amplio. El objetivo del aula es una agencia informada: utilizar la IA cuando apoye el aprendizaje, cuestionar el marketing ambiental no respaldado y reconocer cuándo el software común es suficiente.

Establecer un modelo compartido claro

Comience con una descripción física. Un mensaje viaja a un centro de datos, se convierte en tokens y se procesa mediante chips especializados. El modelo lee la entrada y genera una salida, normalmente un token a la vez. Soporte de redes, memoria, refrigeración y conversión de energía que funciona. ¿Qué sucede cuando envías un mensaje de IA? ofrece una secuencia amigable para los estudiantes.

Luego separe tres términos en la pizarra. La energía es electricidad consumida. El carbono operativo depende de cómo se genera esa electricidad; una contabilidad más amplia del carbono puede incluir la manufactura y la construcción. El agua se puede utilizar en refrigeración, generación de energía y fabricación de chips, con efectos locales que dependen de la escasez y el momento oportuno.

La Agencia Internacional de Energía Informe sobre energía e inteligencia artificial es una fuente sólida a nivel de sistema. Cubre centros de datos en lugar de pretender que cada vatio se pueda asignar claramente a una pregunta en el aula. Esta distinción ayuda a los estudiantes a mantener juntas dos ideas: un mensaje de texto ordinario puede ser pequeño, mientras que la demanda agregada en rápida expansión aún puede ser importante.

Enseñar incertidumbre sin enseñar impotencia

Los números no están de acuerdo porque sus límites no están de acuerdo. Una fuente puede medir el acelerador durante el cálculo activo; otro puede incluir máquinas inactivas, CPU, memoria, refrigeración y pérdidas de energía. Un proveedor promedio puede combinar muchos modelos y longitudes de pedido. Una estimación de investigación puede modelar hardware que no puede observar directamente.

Entregue a los estudiantes una tarjeta de origen de cuatro columnas: producto y fecha; medido o estimado; límite incluido; información faltante. Pídales que conserven etiquetas como “mediana”, “promedio” y “escenario”. Nunca deberían promediar cifras contradictorias simplemente para producir una respuesta clara.

Google El estudio propio de Gemini Las aplicaciones son útiles porque El método incluye chips activos, capacidad inactiva, sistemas host y gastos generales del centro de datos.. También se limita a Google Producto, período de tiempo y límite elegido. Esa combinación, útil y limitada, es el tono a seguir.

Treechat's metodología Asimismo, describe una estimación operativa basada en un modelo, no una lectura directa del medidor ni una reclamación del ciclo de vida completo.

Utilice temas de debate que expongan las compensaciones

Las siguientes indicaciones funcionan en parejas, seminarios o un boleto de salida escrito:

• Un modelo pequeño da dos veces una respuesta débil; un modelo más grande responde correctamente una vez. ¿Cuál es la opción más sostenible y qué evidencia falta?
• ¿Debería una escuela preferir una herramienta con una estimación por mensaje baja o una que publique emisiones anuales totales más bajas? ¿Pueden importar ambas métricas?
• ¿El uso de agua para refrigeración es siempre perjudicial, o la fuente, la estación, la escasez y los métodos de refrigeración alternativos cambian el juicio?
• Si una empresa financia la plantación de árboles, ¿qué necesitaría antes de llamar a su IA “neutra en carbono”?
• ¿Quién tiene más control sobre la huella de la IA: un estudiante, un profesor, un comprador de escuelas, un proveedor de nube o un regulador de electricidad?
• ¿Cuándo una explicación generada por IA añade suficiente valor educativo para justificar su uso en lugar de una búsqueda o un libro de texto?

No califique a los estudiantes cuando alcancen una respuesta moral aprobada. Calificar la calidad de los límites, la evidencia y el razonamiento. El Preguntas frecuentes sobre el impacto ambiental de la IA Puede servir como referencia inicial, no como hoja de respuestas.

Pruebe dos actividades honestas en el aula

Para una auditoría de reclamo, proporcione a los grupos una publicación social o un titular sobre el agua, la energía o los árboles de la IA. Los estudiantes localizan la fuente original e identifican el producto, año, unidad, denominador y exclusiones. Reescriben el titular para que siga siendo preciso. Esto enseña alfabetización mediática sin necesidad de acceder a datos de proveedores privados.

Para un ejercicio de diseño de tareas, establezca un objetivo de aprendizaje: tal vez explicar la fotosíntesis a un alumno más joven. Los grupos diseñan tres rutas: sin IA generativa, un modelo de texto pequeño y un asistente con muchas funciones. Predicen qué pasos añaden valor, qué datos se enviarían y qué partes probablemente requieran más cálculos. Luego evalúan la calidad de las respuestas y revisan su predicción.

No presente el tiempo de respuesta, una lectura de batería del dispositivo o un ícono de interfaz de proveedor como una medición directa de energía. Si no existe una divulgación comparable, "no podemos determinar el ganador" es un hallazgo exitoso. de la UNESCO Marco de competencias de IA para profesores sitúa la sostenibilidad junto a la agencia humana, la ética, los fundamentos y la pedagogía; la actividad debe mantener esos objetivos juntos.

Establecer una práctica proporcionada en el aula

Una norma viable es: utilizar la herramienta aprobada menos compleja que cumpla con el propósito de aprendizaje. Busque fuentes. Utilice una calculadora para la aritmética. Utilice un modelo pequeño para el soporte lingüístico de rutina. Reserve sistemas de razonamiento, imagen o investigación más grandes para tareas donde su capacidad sea relevante.

Solicite resultados concisos, recorte el contexto irrelevante y evite generar muchas variantes desechables. Pero no convierta el conteo de fichas en un cuadro de comportamiento ni castigue a un alumno que necesita tecnología de asistencia. La accesibilidad, el soporte lingüístico y la seguridad pueden justificar el cálculo. La sostenibilidad es una consideración dentro de la buena pedagogía, no una competencia de racionamiento.

Sea explícito sobre la privacidad y la evaluación. Siga la política institucional, evite cargar información personal de los estudiantes e infórmeles cuándo se permite el apoyo de IA y cómo se debe reconocer. de la UNESCO Orientación para la IA generativa en educación e investigación. recomienda un uso apropiado para la edad y centrado en las personas y atención a la protección de datos.

Haz mejores preguntas de tu institución

No se debe esperar que los profesores auditen solos un servicio global en la nube. Pregunte a los equipos de adquisiciones si los proveedores revelan las opciones de modelos, la energía específica de la tarea, los gastos generales del centro de datos, los límites del agua y los impactos anuales absolutos. Pregunte si la interfaz permite a los usuarios elegir un modelo más pequeño y si hace visibles las llamadas a herramientas.

Incluya a los estudiantes en esta consulta. Pueden redactar preguntas, comparar las respuestas de los proveedores e identificar dónde las afirmaciones de marketing superan a la evidencia. Nuestro guía del estudiante sobre el impacto ambiental de la IA les da una lista de verificación paralela, mientras elegir un asistente de IA según el uso de energía explica por qué los nombres de los modelos por sí solos son insuficientes.

Guarde las respuestas y revíselas cuando cambien los contratos, las herramientas o las divulgaciones de proveedores.

Termine con la agencia en lugar de con la alarma. Una clase responsable puede utilizar la IA con prudencia, exigir una divulgación más clara y aun así reconocer la incertidumbre. La lección no es “nunca preguntes”. Se trata de "comprender el trabajo, utilizar la herramienta adecuada y mantener las pruebas adjuntas a cada reclamación".