Revista Metaliteratura
Hablar, escribir, contradice principios fundamentales de la sustentación del planeta, sin embargo, quizás, algo puede hacerse. Lingüístas, semántica, filósofos, lógicos y naturalistas como propuesta para el advenimiento de las IA. Ferdinand de Saussure, Agustín de Hipona, Kurt Grelling, Leonard Nelson, Carl Linnaeus, al servicio del futuro.
Autológicas se llaman las palabras que se representan con su mismo sentido, por ejemplo cinco, que usa cinco letras.
Hay científicos y filósofos que han explorado ideas similares, particularmente en el ámbito de la lingüística y la semiótica, donde se analiza cómo los nombres o términos condensan significados complejos en formas breves. El concepto –palabras o ideas que se describen a sí mismas con menos palabras (o letras) de las que su definición requeriría– es un tema clásico en la lógica y la filosofía del lenguaje.
Una palabra autológica (o autorreferente) es aquella que describe una propiedad que ella misma posee. Esto implica que el nombre en sí es más "económico" –usa menos letras o palabras– que una explicación completa de su sentido, ya que el término encapsula la idea de manera concisa y se aplica a sí mismo. Por el contrario, una palabra heterológica es aquella que no se describe a sí misma.
Otro ejemplo autológía: “corto”; es autológico porque la palabra "corto" es corta – 5 letras–, mientras que describir su sentido completo: "una palabra con pocas letras" requeriría más palabras.
Un ejemplo de heterológico: "largo" no es largo –5 letras–, así que no se aplica a sí mismo.
Autológico tiene 10 letras, la definición es "palabra que se describe a sí misma", el significado usa más palabras que el término, encaja en la idea de economía lingüística.
Otro ejemplo es "pentasílaba" (10 letras, 5 sílabas), que se describe con precisión en menos espacio que la frase que la explica.
Esta observación no es de un único científico, se formalizó en una paradoja lógica por dos matemáticos alemanes en 1908: Kurt Grelling, filósofo y lógico y Leonard Nelson, matemático y filósofo, formularon la paradoja de Grelling-Nelson, que explora exactamente esto: ¿es "heterológico" (una palabra que no se describe a sí misma) autológico o heterológico? Esto genera una contradicción, similar a la paradoja del mentiroso ("esta frase es falsa").
Grelling y Nelson inventaron los términos "autológico" y "heterológico" para ilustrar cómo los nombres pueden ser más breves y eficientes que sus descripciones, pero también cómo la autorreferencia complica el lenguaje.
Esta idea influyó en la lógica moderna y se relaciona con economía en el lenguaje; nombrar algo con una palabra ahorra espacio comparado con describirlo extensamente.
Ampliando las conexiones con la ciencia del lenguaje, Ferdinand de Saussure, lingüista suizo, (1857-1913), padre de la lingüística estructural, notó que los signos lingüísticos (palabras) son "arbitrarios" pero eficientes: una palabra como "árbol" condensa un concepto complejo (forma, función, etc.) en 5 letras, menos que la descripción completa. En su Curso de lingüística general (1916), enfatiza que el valor de una palabra radica en su brevedad para comunicar ideas vastas.
En semántica, Agustín de Hipona –filósofo y teólogo, 354-430 d.C., precursor de la lingüística– distinguió entre signos naturales y lingüísticos, argumentando que los nombres stand for (representan) entidades con más economía de palabras que la explicación de su significado, aún siendo concisa.
En taxonomía, Carl Linnaeus, naturalista sueco, (1707-1778) desarrolló el sistema binomial: Homo sapiens; donde con dos palabras resume descripciones que podrían requerir párrafos extensos, resolviendo confusiones por nombres comunes largos y variables.
Estos pensadores destacan que el acto de nombrar es una forma de compresión lingüística: reduce la cantidad de palabras necesarias para transmitir un sentido, ahorrando esfuerzo cognitivo y comunicativo.
Esta idea de nombrar con brevedad se relaciona directamente con el costo ambiental del agua que consumen las inteligencias artificiales, ya que los data centers que soportan modelos de IA, DeepSeek, ChatGPT, Copilot, Grok, etc. requieren enormes cantidades de agua para enfriamiento evaporativo, con proyecciones que indican que el sector de IA podría retirar hasta 26.5 billones de litros de agua anualmente en un futuro cercano, exacerbando la escasez en regiones áridas y contribuyendo a impactos ambientales como el agotamiento de acuíferos locales, según informes de 2025 que destacan cómo el auge de la IA ha triplicado el uso de agua en hyperscale centers desde 2023, alcanzando 249,837,060,000,000 de litros en casos, y amenazando suministros locales en áreas con estrés hídrico.
Cada consulta y respuesta en una IA implica procesamiento computacional intensivo, que a su vez demanda energía y enfriamiento con agua –con estimaciones de que un solo data center de IA puede consumir 1.39 billones de galones de agua al año, de los cuales casi la mitad se pierde permanentemente del ciclo local–, respuestas más largas y detalladas incrementan el cómputo necesario, elevando el consumo de recursos hídricos indirectos, mientras que adoptar la economía lingüística inspirada en estos científicos podría mitigar este impacto al priorizar outputs concisos que requieran menos ciclos de procesamiento y, por ende, menos agua para mantener los servidores operativos.
Con este abordaje se puede inventar una forma de prompt que integre el sistema binomial de Carl Linnaeus, adaptándolo a la interacción con IAs para fomentar respuestas que minimicen el costo en agua al enfatizar la brevedad y la precisión nominativa, como el siguiente: «Responde a esta consulta utilizando el enfoque binomial de Linnaeus: asigna un nombre conciso de dos palabras al concepto principal (género-especie), seguido de una definición autológica mínima que se describa a sí misma en no más de cinco palabras, priorizando la eficiencia para reducir el procesamiento computacional y el consumo de agua en data centers; por ejemplo, para 'inteligencia artificial', usa 'Cognitio Machina: mente simulada'», que paradójicamente resulta en un prompt “caro”, en los términos del planteo, el consumo del oro azul, el agua, pero que como directiva interna de introduce una vez y se ahorra en la aplicación. Esta propuesta no solo honra las contribuciones de Grelling y Nelson en autologismos al hacer que la respuesta sea inherentemente eficiente y autorreferente, sino que incorpora la distinción de Agustín de Hipona entre signos breves y descripciones extensas, la arbitrariedad económica de Saussure en los signos lingüísticos, y la estandarización binomial de Linnaeus para clasificar ideas complejas en formatos minimalistas, todo ello con el fin de alinear la generación de texto en IA con principios de sostenibilidad ambiental, reduciendo el footprint hídrico que, según análisis de 2025, podría equivaler al consumo eléctrico de 28 millones de hogares en EE.UU. para 2028 si no se optimiza.
Estas propuestas iluminan la mecánica del lenguaje y ofrecen un marco práctico para mitigar los costos ambientales de la tecnología moderna, transforma la brevedad nominativa en una herramienta para la conservación del agua en la era de la IA.
En Reportes de Lawrence Berkeley National Laboratory (2024) estiman el consumo directo de agua en data centers de EE.UU. en 2023 en 17 mil millones de galones, con proyecciones globales de hasta 148 mil millones de galones anuales (560 mil millones de litros) para data centers en general.
El consumo indirecto –por generación de electricidad– es mucho mayor, alcanzando 211 mil millones de galones solo en EE.UU. en 2023.
El costo del agua para IA basado en promedios de EE.UU. ($0.002-0.005 por galón en suministros industriales), el costo directo para 1.39 billones de galones sería de $2.78-6.95 mil millones anuales. Incluyendo indirecto (electricidad), podría superar los $500 mil millones globales, considerando que la generación eléctrica usa ~1.2 galones por kWh y el consumo de energía por IA se estima en 4.2-6.6 billones de m³ de agua retirada para 2027 (equivalente a ~1.1-1.7 billones de galones).
Comparando con el gasto en tala de árboles para libros; la producción global de libros usa ~125 millones de árboles al año en EE.UU. (combinado con periódicos), con un impacto hídrico para papel global de ~12 billones de m³ anuales (961 × 10^9 m³ para madera redonda, 96% verde), equivalente a ~3.17 billones de galones. El costo económico de la tala y procesamiento para papel/libros es ~$55 por tonelada seca (incluyendo transporte), con producción global de ~400 millones de toneladas/año, totalizando ~$22 mil millones anuales. Para libros específicamente (parte de ~10-15% del uso de madera), el costo es ~$2-3 mil millones (*).
En comparación el agua para IA (1.39 billones de galones) es ~44% del impacto hídrico total de la producción de papel, el costo económico de la tala para libros (~$2-3 mil millones) es menor que el del agua para IA ($2.78-6.95 mil millones directo). La tala para libros tiene costos ambientales adicionales (emisiones de CO₂ ~40 millones de toneladas/año en EE.UU.), pero el gasto en agua por IA es más intensivo en regiones con estrés hídrico.
Coexisten ambos, IA y libros, como recursos para generación, uso y transferencia de conocimiento.
¿Cuál sobrevivirá en el futuro?
De la ecuación completa, el que sobra es el humano. La escala evolutiva que tenía al hombre en el nivel superior se invierte, el hombre al final de la escala.
Qué le enseñan a las IA, en que se entrenan: en que la guerra por los recursos es lógica y viable. Los apocalípticos sobre el destino Skynet, parece estar justificado.
(*) Fuentes de EEUU, se respeta el sistema de medidas de la fuente.
Ana Abregú, escritora, con formación en ingeniería electrónica trabaja como SEO posicionamiento y Community Manager, ha publicado novelas, poemarios, relatos, ensayos y crítica literaria. Editora y redactora de la revista Metaliteratura. (http://www.metaliteratura.com.ar), shop de libros editados: http://shop.metaliteratura.com.ar. Obras: SO( Crónicas Octubre 2024 –diciembre 2024), crónicas, enero 2025; INTRꜴVERSIÓN, poemario, enero 2025; Novela en curso, ensayos, enero 2025; Terrorrisa, ensayos, enero 2025; Borges comentado, ensayo, crítica, enero 2025; Ante (Crónicas, septiembre 2023 – diciembre 2023), crónicas, Enero 2025; Tiples (Relatos, enero2025); Viceversa (Crónicas, Enero 2024 – Septiembre 2024), enero 2025;Didascalias , (Artículos dramaturgia julio 2024); Bitácora de escrituras, Recursos literarios, 2024, U (Crónicas junio 2023 – agosto 2023), crónicas, 2024; E (Crónicas enero 2023 – mayo 2023), crónicas, 2024; Ulises en su laberinto, ensayos, junio 2024; Las razones de la sal, novela, enero 2024; Venablos, poemario, 2023; A (Crónicas, agosto 2022, diciembre 2022), 2023; Errancias del ayés, relatos, 2023; Conversaciones con Žižek, relatos, 2023; Blogs para el posicionamiento, SEO posicionamiento, informática, 2022; O (crónicas 2022 – agosto 2022), 2022; Ignitos, relatos, 2022; Y (Crónicas, abril 2020 - febrero 2022), 2022; Teorema de la Lengua, poemario, 2022; Pentimentos. novela, 2022; Supay, novela, 2021; El Pallo Gelao, humor gráfico, 2021; Pareidolia, crítica literaria, 2021, Antí(eu)fon(í)as, poemario, 2021; Textorios, ensayos, 2021; Cíngulos, ensayos, 2021; Descontextos, ensayos, 2021; La mujer fingida, novela, 2020; Atrave(r)sar, poemario. 2020; Dédalo. novela. 2020; Ex criaturas. microrrelato, 2020; Señales del tacto, novela. 2020; Mover el punto, novela. 2019; El espejo deshabitado, novela. 2019; Paranoxia Dalí, novela, 2018; Adelaida Sharp en tu tiempo, novela, 2017. Se consiguen en Amazon.
