O CEO da Anthropic afirma que o custo para treinar IA pode chegar a US$ 100 bilhões nos próximos três anos

O custo do treinamento de modelos de inteligência artificial (IA) está disparando, com projeções indicando um aumento significativo nos próximos anos. Dario Amodei, CEO da startup de IA Anthropic, destacou esses custos crescentes durante um episódio recente do podcast “In Good Company”.

Leia também: Funcionários da Samsung entram em greve exigindo salários mais altos em meio à crescente competição na área de IA

Os modelos de IA avançados atuais, como o ChatGPT-4, exigem cerca de US$ 100 milhões para treinamento. Mas, de acordo com Amodei, esse valor pode subir para entre US$ 10 bilhões e US$ 100 bilhões nos próximos três anos. 

O desenvolvimento da inteligência artificial geral eleva os custos

O aumento acentuado deve-se à transição da IA ​​generativa, como o ChatGPT, para a inteligência artificial geral (AGI). O progresso em direção à AGI busca desenvolver sistemas capazes de compreender, adquirir e utilizar conhecimento de maneira semelhante à mente humana.

"Acho que se chegarmos a 10 ou 100 bilhões de dólares, e acredito que isso acontecerá em 2025, 2026, talvez 2027... então acho que há uma boa chance de que, até lá, sejamos capazes de obter modelos melhores do que a maioria dos humanos na maioria das coisas." 

Amodei

Segundo o Tom's Hardware, a infraestrutura existente para esses avanços é gigantesca no momento. Por exemplo, para treinar o ChatGPT, foram necessárias mais de 30.000 GPUs, e cada chip de IA Nvidia B200 custa entre US$ 30.000 e US$ 40.000. Esse investimento em hardware é um dos fatores que podem estar causando o aumento dos custos. 

Recursos computacionais elevam os custos de treinamento de IA

Existem vários motivos para o aumento do custo do treinamento em IA. O principal deles é a imensa quantidade de recursos computacionais necessários. Com o avanço dos modelos de aprendizado profundo, GPUs potentes e outros hardwares especialmente projetados são imprescindíveis. Mais de 3,8 milhões de GPUs foram enviadas para data centers em 2023, o que demonstra a dimensão da infraestrutura necessária. 

Leia também: A inteligência artificial afetará uma ampla gamade serviços públicos.

Outro fator importante é o consumo de energia. O consumo de energia de todas as GPUs vendidas no ano passado seria suficiente para abastecer 1,3 milhão de residências. Esse alto consumo de energia não só acarreta custos elevados para a empresa, como também levanta questões sobre os impactos ambientais e a conservação do meio ambiente. De acordo com um relatório recente do Google, as emissões da empresa aumentaram quase 50% em quatro anos, principalmente devido à energia necessária para o aprendizado de IA.

Gigantes da tecnologia investem pesadamente em infraestrutura de IA

Além disso, as principais empresas de tecnologia estão investindo muito dinheiro no avanço da inteligência artificial. Por exemplo, Elon Musk quer comprar 300 mil chips de IA de última geração da Nvidia. Da mesma forma, a Microsoft e a OpenAI estariam trabalhando em um centro de dados de US$ 100 bilhões para o desenvolvimento da IA.

Leia também: Wimbledon utiliza IA para combater o abuso online

Apesar do aumento dos custos, há tentativas de otimizar os custos do treinamento de IA. O DeepMind do Google apresentou recentemente uma técnica chamada Seleção Conjunta de Exemplos (JEST, na sigla em inglês), que promete reduzir o número de iterações em 13 vezes e os recursos computacionais necessários em 10 vezes. Isso ajuda a diminuir os recursos utilizados e o tempo gasto.

No entanto, mesmo com esses avanços, a tendência geral é de custos mais elevados devido ao desenvolvimento da Inteligência Artificial Geral (IAG). Da IA generativa à IAG, os modelos precisam interpretar grandes conjuntos de dados, aprender com eles, antecipar diferentes situações e resolver problemas que exigem pensamento crítico. 

Reportagem Cryptopolitan de Brenda Kanana