O crescente consumo de energia da IA ​​gera preocupações

A Inteligência Artificial (IA) avançou significativamente nos últimos anos, revolucionando as interações entre humanos e máquinas e possibilitando a execução de tarefas complexas. No entanto, à medida que as capacidades da IA ​​se expandem, seu consumo de energia também aumenta, gerando preocupações sobre seu impacto ambiental e suas implicações econômicas.

Rápida expansão da tecnologia de IA

No mundo da IA, tarefas simples como acender uma luz evoluíram para interações complexas com vastas implicações em termos de recursos. Kate Crawford e Vladan Joler, em sua análise de 2018, destacaram a intrincada rede detracde recursos, trabalho humano e processamento algorítmico envolvida até mesmo em interações banais com IA. A energia e os recursos computacionais necessários para as interações com IA aumentaram exponencialmente ao longo dos anos, superando o crescimento previsto pela Lei de Moore.

Um estudo de 2021 revelou um aumento de 300.000 vezes na capacidade computacional usada para treinar grandes modelos de aprendizado profundo para processamento de linguagem natural e outras aplicações em apenas seis anos, superando o ritmo da Lei de Moore. O consumo de energia associado à IA, particularmente em data centers, tornou-se uma preocupação significativa.

Consumo de energia crescente da IA

Obter estimativas precisas do consumo de eletricidade da IA ​​é um desafio, o que dificulta avaliar a dimensão total do problema. No entanto, relatórios recentes lançam luz sobre a escala do consumo de energia. O Google, por exemplo, relatou que a IA representou de 10 a 15% do seu consumo total de eletricidade em 2021, o equivalente a cerca de 2,3 terawatts-hora anualmente, comparável ao consumo de uma cidade do tamanho de Atlanta.

Além disso, se um sistema de IA como o ChatGPT fosse usado para cada busca no Google, o consumo de eletricidade poderia disparar para impressionantes 29,2 terawatts-hora por ano. A demanda por chips de computador especializados em IA, com chips individuais agora medidos em TeraFLOPs e milhares deles em fazendas de servidores de IA, contribui para o aumento do consumo de eletricidade.

A Nvidia, fabricante líder de chips especializados em IA, prevê enviar 1,5 milhão de unidades de servidores de IA anualmente até 2027. No entanto, operar esses servidores em plena capacidade consumiria mais de 85 terawatts-hora de eletricidade por ano, ultrapassando as necessidades energéticas de muitos países pequenos.

O CEO da OpenAI, Sam Altman, expressou preocupação com o crescente consumo de energia da IA ​​e com a necessidade de avanços na produção de energia, como a fusão nuclear ou energia solar mais econômica com capacidade de armazenamento.

O impacto econômico do consumo de energia da IA

O consumo substancial de energia da IA ​​se traduz em custos consideráveis, o que afeta sua ampla acessibilidade. Embora Sam Altman tenha mencionado inicialmente que o ChatGPT custava "centavos de dólar por conversa", os custos computacionais apenas para o ChatGPT chegaram a US$ 700.000 por dia em fevereiro de 2023.

Se extrapolarmos esse cenário para mecanismos de busca como o Google e o Bing, que atendem centenas de milhões de usuários diariamente, o ônus financeiro de fornecer acesso a modelos avançados de IA torna-se evidente. Os altos custos associados ao uso da IA ​​representam uma barreira para disponibilizar os melhores modelos de IA ao público.

Desafios na produção de hardware de IA

A produção de hardware para computação de IA apresenta seus próprios desafios, contribuindo para sua escassez e altos custos. A produção de chips começa com o refinamento do silício a níveis de pureza extremos, o que consome muita energia. O processo de litografia, vital para a padronização dos chips, exigiu o desenvolvimento da fotolitografia ultravioleta extrema (EUV), uma tecnologia complexa e cara que utiliza luz com comprimento de onda de 13,5 nanômetros.

A fotolitografia EUV requer componentes especializados, como lasers de alta potência e espelhos extremamente lisos. A empresa holandesa ASML é a única fabricante de máquinas de fotolitografia EUV para a produção de chips, e cada uma dessas máquinas custa mais de 100 milhões de dólares.

Cadeia de suprimentos global e intensidade energética

A indústria global de semicondutores transferiu grande parte de sua produção para a Ásia, onde frequentemente se utiliza tecnologia avançada. Da mineração ao refino e à fabricação, a produção de chips depende fortemente de uma infraestrutura industrial com alto consumo de energia, incluindo o transporte por navios porta-contêineres e companhias aéreas.

A complexidade e a pegada de carbono associadas a essa cadeia de suprimentos global continuam sendo desafios significativos na transição para práticas mais sustentáveis. A noção de que dados e semicondutores são o “novo petróleo” é enganosa, pois dependem de recursos energéticos acessíveis e abundantes para serem valiosos.

Embora a inteligência artificial alimentada por dados e semicondutores possa aumentar a eficiência energética, é necessária uma mudança fundamental nos princípios econômicos para aproveitar o excedente de energia de forma eficaz.

Empresas de IA e monetização de dados

Grandes corporações de IA, como a Amazon com seus dispositivos Echo, dependem cada vez mais de dados do usuário para cobrir custos de hardware e energia e gerar lucros. Interações de IA, como comandos de voz, geram dados valiosos, transformando usuários em consumidores, recursos e colaboradores para o desenvolvimento da IA.

A monetização desses dados torna-se essencial para que as empresas de IA sustentem suas operações, fazendo com que a privacidade e a ética dos dados sejam preocupações críticas no ecossistema da IA.

O futuro da IA ​​e do consumo de energia

À medida que o complexo industrial de IA continua a se expandir, crescem as preocupações com seu consumo de energia e utilização de recursos. Os esforços do CEO da OpenAI, Sam Altman, para garantir financiamento para fábricas de semicondutores destacam a demanda por hardware avançado no setor de IA.

O futuro da IA ​​depende da busca por soluções sustentáveis ​​para suas necessidades energéticas, ao mesmo tempo em que se enfrentam os desafios associados à produção de hardware, às cadeias de suprimentos e à privacidade de dados. À medida que a IA continua a transformar as interações entre humanos e máquinas, o equilíbrio entre o avanço tecnológico e a responsabilidade ambiental torna-se cada vez mais crucial.