A inteligência artificial generativa é ruim para o meio ambiente?

A inteligência artificial (IA) generativa é a nova tecnologia por trás dos chatbots e geradores de imagens. Mas a inteligência artificial generativa é ruim para o meio ambiente? Quão quente ela está tornando o planeta?

Como cientista na área da IA, muitas vezes me preocupo com os custos energéticos envolvidos para a construção de modelos de IA. Quanto mais poderosa a IA, mais energia é gasta. O que o surgimento de modelos de IA generativos cada vez mais poderosos significa para a futura pegada de carbono da sociedade?

Na inteligência artificial, a palavra “generativa” refere-se à capacidade de um algoritmo de IA produzir dados complexos. A alternativa a IA “generativa” seria a IA “discriminativa”, a qual escolhe entre um número fixo de opções e produz apenas um único número. Um exemplo de resultado discriminativo é a escolha entre aprovar ou não um pedido de empréstimo.

A IA generativa pode produzir resultados muito mais complexos, como uma frase, um parágrafo, uma imagem ou até mesmo um pequeno vídeo. Há muito tempo que ela é usada em aplicativos como alto-falantes inteligentes para gerar respostas de áudio ou no preenchimento automático para sugerir uma consulta de pesquisa. No entanto, só recentemente a IA ganhou a capacidade de produzir a linguagem humana e fotos realistas.

Usando mais energia do que nunca

É difícil de estimar o custo exato da energia consumida para fazer um único modelo de IA – e insto inclui a energia para fabricar o equipamento de computação, criar o modelo e usá-lo na produção.

Em 2019, pesquisadores descobriram que a criação de um modelo de IA generativo chamado BERT (com 110 milhões de parâmetros) consumiu a energia de um voo transcontinental de ida e volta para uma pessoa. A quantidade de parâmetros refere-se ao tamanho do modelo, sendo que modelos maiores geralmente são mais habilidosos.

Os pesquisadores estimaram que a criação do GPT-3, um modelo muito maior (com 175 bilhões de parâmetros), consumiu 1.287 megawatts-hora (MWh) de eletricidade e gerou 552 toneladas de dióxido de carbono equivalente (CO₂eq.) – ou seja, consumo equivalente ao de 123 veículos de passageiros movidos a gasolina durante um ano. E isso é apenas para deixar o modelo generativo de IA pronto para o lançamento, antes mesmo de ele começar a ser usado por qualquer consumidor.

O tamanho não é o único prognóstico de emissões de carbono. O modelo BLOOM de acesso aberto, desenvolvido na França pelo projeto BigScience, é semelhante em tamanho ao GPT-3, mas sua pegada de carbono foi muito menor: consumiu 433 MWh de eletricidade e gerou 30 toneladas de CO₂eq. Um estudo do Google revelou que para o mesmo tamanho, usar uma arquitetura de modelo e processador mais eficientes, e um data center mais ecológico, pode reduzir a pegada de carbono de 100 a 1.000 vezes.

Modelos de IA generativa que são maiores usam mais energia durante sua implantação. Há dados limitados sobre a pegada de carbono de uma única consulta de IA generativa, mas alguns números da indústria estimam que seja de quatro a cinco vezes maior do que a de uma consulta por um mecanismo de busca tradicional.

Na medida em que chatbots e geradores de imagens se tornam mais populares, e o Google e a Microsoft incorporarem modelos de linguagem de IA em seus mecanismos de busca, o número de consultas diárias que eles recebem pode ter um crescimento exponencial.

Bots de IA para busca

Há alguns anos, poucas pessoas fora dos laboratórios de pesquisa usavam modelos como BERT ou GPT. Isso mudou em 30 de novembro de 2022, quando a OpenAI lançou o ChatGPT. De acordo com os últimos dados disponíveis, o ChatGPT teve mais de 1,5 bilhão de visitas em março de 2023.

A Microsoft incorporou o ChatGPT ao Bing – seu mecanismo de busca – e o disponibilizou para todas as pessoas em 4 de maio de 2023. Se os chatbots se tornarem tão populares quanto os mecanismos de busca, os custos energéticos para a implantação das IAs podem realmente aumentar. Mas os assistentes de IA têm muito mais usos do que simplesmente uma busca, tais como escrever documentos, resolver problemas de matemática e criar campanhas de marketing.

Outro problema é que os modelos de IA precisam ser atualizados continuamente. Por exemplo, o ChatGPT foi treinado apenas com dados de até o ano 2021, portanto, ele não sabe de nada que aconteceu desde então. A informação sobre a pegada de carbono para criar o ChatGPT não está disponível para o público, mas provavelmente é muito maior do que a do GPT-3. Se o ChatGPT tivesse que ser recriado regularmente para atualizar seu conhecimento, seus custos energéticos seriam ainda maiores.

Uma vantagem do chatbot é que fazer uma pergunta a ele pode ser uma maneira mais direta de obter informações do que por um mecanismo de busca. Em vez de obter uma página cheia de links, você consegue uma resposta direta, como faria com um ser humano, supondo que os problemas de precisão sejam atenuados. Obter uma informação mais rapidamente poderia compensar o aumento do uso de energia para obtê-la por um mecanismo de busca.

Caminhos a seguir

É difícil de prever o futuro, mas grandes modelos de IA generativa estão aqui para ficar, e as pessoas provavelmente recorrerão cada vez mais a eles para obter informações. Por exemplo, se um aluno precisar de ajuda para resolver um problema de matemática agora, ele pergunta a um tutor, a um amigo, ou consulta um livro didático. Em breve, ele provavelmente perguntará a um chatbot. O mesmo vale para outros conhecimentos especializados, como assessoria jurídica ou perícia médica.

Embora um único grande modelo de IA não vá arruinar o meio ambiente, se mil empresas desenvolverem bots de IA levemente diferentes e para propósitos diferentes, e se cada modelo for usado por milhões de clientes, o consumo total de energia pode se tornar um problema. Logo, mais pesquisas serão necessárias para tornar a IA generativa energeticamente mais eficiente.

A boa notícia é que a IA pode funcionar com a energia renovável. Levando a computação para onde a energia verde é mais abundante, ou programando a computação para horários do dia em que a energia renovável esteja mais disponível, as emissões podem ser reduzidas de 30 a 40 vezes em comparação com as emissões produzidas pelo uso de uma rede cuja energia é oriunda de combustíveis fósseis.

Por fim, a pressão da sociedade pode ser útil para incentivar empresas e laboratórios de pesquisa a publicar as pegadas de carbono de seus modelos de IA, como alguns já fazem. No futuro, talvez os consumidores possam até usar essas informações para escolher um chatbot “mais verde”.

Artigo original (em inglês) publicado por Kate Saenko, na The Conversation.

Nota: Kate Saenko está de licença da Universidade de Boston para trabalhar na Meta. Ela recebe financiamento da Meta, Google, DARPA e NSF.

A Universidade de Boston fornece financiamento como parceira fundadora do The Conversation UK.

Sobre a autora
Kate Saenko é professora assistente do Departamento de Ciência da Computação da Universidade de Boston, diretora do Grupo de Aprendizagem e Visão Computacional e membro do IVC Group. Ela também lidera a nova iniciativa de Pesquisa em IA, localizada no Instituto Hariri de Computação. Kate é Ph.D. pelo MIT.