A pegada ambiental das ferramentas de inteligência artificial começa a preocupar os especialistas. Tudo por causa das quantidades massivas de energia que os modelos de aprendizagem necessitam para treino e atualização.
Inteligência Artificial não é ecológica
Os sistemas de inteligência artificial (IA) estão a gerar emissões vastas – e a situação está a piorar, de acordo com um novo estudo científico. A crescente energia necessária para treinar e executar modelos cada vez mais complexos, juntamente com o aumento do interesse em utilizá-los, está a trazer sérias consequências ambientais, alerta um novo artigo.
À medida que estes sistemas se tornam mais eficientes, exigem mais poder computacional e, por conseguinte, mais energia para funcionarem. Por exemplo, o atual GPT-4 da OpenAI utiliza 12 vezes mais energia do que o seu antecessor. Além disso, o treino dos sistemas representa apenas uma pequena parte do seu trabalho. A energia utilizada para realmente operar as ferramentas de IA é estimada em 960 vezes aquela usada numa única sessão de treino.
Os investigadores sugerem que o impacto dessas emissões pode ser vasto. As emissões relacionadas com a IA podem custar à indústria mais de 10 mil milhões de euros por ano, indica o relatório, que apela aos governos e reguladores para normalizarem formas de medir essas emissões, assim como para criarem regras que garantam que são mantidas dentro de limites aceitáveis.
O crescimento exponencial das capacidades de IA espelha um aumento preocupante no seu impacto ambiental. Este estudo sublinha a necessidade urgente de a indústria da IA adotar práticas mais ecológicas e normas sustentáveis. O nosso objetivo é fornecer aos decisores políticos os dados necessários para enfrentar a pegada de carbono da IA através de regulamentações proativas.
Afirmou Meng Zhang, investigador principal da Universidade de Zhejiang.
O uso crescente de energia e água pelos Data Centers, à medida que se expandem para incorporar IA, está a causar preocupação nos decisores ao redor do mundo. Data Centers de Treino de IA podem consumir de 10 a 100 MW em média, dependendo da escala. Se falarmos em treino de um Modelo Grande (como o GPT-3): Estima-se que consuma até 1 GWh (gigawatt-hora) ou mais ao longo de várias semanas de trabalho.
O problema dos data centers
Os sistemas de IA, especialmente os modelos de aprendizagem profunda (deep learning), necessitam de um enorme poder computacional para serem treinados. Esse poder computacional vem de data centers que requerem quantidades massivas de energia para operar e manter-se refrigerados.
Os algoritmos complexos usados em IA passam por milhões ou até bilhões de cálculos antes de serem otimizados, e todo esse processo consome muita energia.
Estima-se que treinar um único modelo de IA avançado possa emitir tanto dióxido de carbono quanto a emissão total de um carro ao longo de vários anos. Em alguns casos, os modelos mais robustos podem emitir o equivalente a cinco carros ao longo da sua vida útil. Estes números são especialmente preocupantes se considerarmos a velocidade com que novas aplicações de IA estão a ser desenvolvidas e adotadas em diversos setores.
Um exemplo concreto é o uso da IA em linguagem natural, como os modelos GPT (Generative Pre-trained Transformer). Estes modelos requerem imensas quantidades de dados e uma capacidade computacional muito elevada, o que os torna altamente consumidores de energia.
Além disso, o treino e a atualização desses modelos são realizados periodicamente para melhorar a sua precisão, aumentando ainda mais o seu consumo energético e, consequentemente, a sua pegada de carbono.
Com a inovação e o avanço da tecnologia, é possível que a IA se torne mais eficiente e sustentável ao longo do tempo. No entanto, para alcançar esse objetivo, é necessário que as empresas de tecnologia, governos e sociedade trabalhem em conjunto para criar políticas e práticas que minimizem o seu impacto ambiental.