Considerar a pegada ambiental da IA: um passo fundamental para salvar o planeta

O que é uma Inteligência Artificial Generativa? |Glossário do Newsverso

Inteligência Artificial Generativa, ou GAN (sigla em inglês), é uma técnica em que duas redes neurais trabalham juntas para criar coisas novas. Uma das redes cria coisas novas, enquanto a outra tenta dizer se essas coisas são reais ou falsas. Com o tempo, a rede que cria coisas novas aprende a fazer coisas que parecem reais e a rede que verifica aprende a dizer a diferença entre o que é real e o que é falso

(O Google usa sua própria tecnologia semelhante, chamada de unidades de processamento tensor, ou TPUs.)

Deveria haver mais conversas sobre o impacto ambiental da IA, diz Sasha Luccioni, pesquisadora em IA ética e sustentável da Hugging Face. “Se você deseja salvar o planeta com IA, deve considerar também a pegada ambiental [da IA ​​primeiro]”, diz ela. “Não faz sentido queimar uma floresta e depois usar IA para rastrear o desmatamento.”

IA para salvar a Amazônia? Conheça a ferramenta do Imazon que prevê o desmatamento

Pesquisadores da organização ambiental sem fins lucrativos Imazon desejavam, ao invés de tentar reparar os danos causados pelo desmatamento, encontrar uma maneira de impedir que ele acontecesse. Assim nasceu a plataforma de inteligência artificial PrevisIA, que tem o objetivo de prever onde o desmatamento acontecerá a seguir, conta reportagem do jornal britânico The Guardian.

Contando o custo do carbono

Muitos pesquisadores tentam – com dificuldade – quantificar o impacto ambiental da IA. É uma tarefa difícil por uma série de razões, entre elas, porque as empresas por trás das ferramentas mais populares, bem como aquelas que vendem os chips que as alimentam, não estão muito dispostas a compartilhar detalhes sobre quanta energia seus sistemas usam.

Há também uma intangibilidade na IA que impede a contabilização adequada de sua pegada ambiental. “Acho que a IA não faz parte dessas promessas ou iniciativas, porque as pessoas acham que não é material, de alguma forma”, diz Luccioni. “Você pode pensar em um computador ou algo que tenha uma forma física, mas a IA é tão efêmera. Mesmo para empresas que estão tentando fazer esforços, normalmente não vejo IA no radar.”

Essa efemeridade também existe para os usuários finais. Sabemos que estamos causando danos ao planeta quando ligamos nossos carros porque podemos ver ou cheirar a fumaça saindo do escapamento depois que giramos a chave. 

Com AI, você não pode ver os servidores baseados em nuvem sendo consultados ou os chips vasculhando sua memória para concluir as tarefas de processamento solicitadas. Para muitos, os enormes volumes de água que correm pelos canos dentro dos data centers, implantados para manter os computadores que alimentam as ferramentas de IA refrigerados, são invisíveis. Basta digitar sua consulta, aguardar alguns segundos e obter uma resposta. Onde está o mal nisso?

Colocando números no problema

Vamos começar com o uso da água. Pesquisadores estimaram que o chatbot de IA generativo usaria até 500ml de água – uma garrafa de água de tamanho padrão – a cada 20 perguntas e respostas correspondentes. E o ChatGPT provavelmente ficaria mais sedento com o lançamento do GPT-4.

IA com sede? Estudo diz que ChatGPT bebe 500ml de água por conversa

O ChatGPT da OpenAI está em toda a internet desde o seu lançamento, com discussões sobre o grande potencial da inteligência artificial (IA) e as ameaças que ela representa. Contudo, muito poucos estão percebendo o seu impacto ambiental. Um novo estudo revela a pegada hídrica de modelos de IA e foi revelado que “ChatGPT bebe 500ml de água” para cada conversa. 🚰

Estimar o uso de energia e a pegada de carbono resultante é mais complicado. Uma análise de terceiros estimou que o treinamento do GPT-3, um antecessor do ChatGPT, consumiu 1.287 MWh e levou a emissões de mais de 550 toneladas de dióxido de carbono (CO2), semelhante a voar entre Nova York e São Francisco 550 vezes.

O que é a pegada de carbono?

A pegada de carbono é uma medida da quantidade de gases de efeito estufa emitidos por um indivíduo, organização, evento ou produto. É uma maneira de quantificar o impacto ambiental causado pelas atividades humanas e pode incluir emissões de dióxido de carbono (CO2), metano (CH4) e óxido nitroso (N2O), entre outros gases. A pegada de carbono é medida em toneladas métricas de dióxido de carbono equivalente (tCO2e) e é uma importante ferramenta para avaliar a eficácia das ações para reduzir as emissões de gases de efeito estufa. 👣

Por bem ou por mal

Os especialistas em tecnologia estão tentando encontrar maneiras de manter a inteligência da IA ​​sem o enorme uso de energia. Mas é difícil. Um estudo recente , publicado no início deste mês, sugere que muitas das soluções já apresentadas acabam trocando o desempenho pelo bem ambiental.

Sacrificar o desempenho para reduzir o impacto ecológico parece improvável. Mas precisamos repensar o uso da IA ​​– e rápido. 

Os analistas de tecnologia do Gartner acreditam que, até 2025, a menos que haja uma reformulação radical na forma como desenvolvemos sistemas de IA para melhor contabilizar seu impacto ambiental, o consumo de energia das ferramentas de IA será maior do que o de toda a força de trabalho humana. 

Até 2030, o treinamento em aprendizado de máquina e o armazenamento de dados poderão representar 3,5% de todo o consumo global de eletricidade. Antes da revolução da IA, os data centers consumiam 1% de toda a demanda mundial de eletricidade em um determinado ano.

Então o que deveríamos fazer? Tratar a IA com uma maior consciência de seus impactos ambientais prejudiciais, juntamente com a admiração por seus poderes de dedução aparentemente mágicos – seria um começo.

Leia também:

À medida que a indústria de IA cresce, que impacto isso terá no meio ambiente?

Os programas de inteligência artificial (IA) podem parecer incorpóreos. Mas eles são alimentados por redes de servidores em centros de dados em todo o mundo, que exigem grandes quantidades de energia e grandes volumes de água. Como os programas de IA são tão complexos, eles exigem mais energia do que outras formas de computação. Mas o problema é: é incrivelmente difícil definir exatamente quanto.