Cada vez mais estudos mostram o impacto ambiental da interação com a Inteligência Artificial (IA). Se nas suas instruções costuma utilizar "obrigado/a" ou "por favor", talvez seja altura de repensar essa abordagem
Quer seja para responder a e-mails de trabalho ou para escrever votos de casamento, as ferramentas de inteligência artificial (IA) generativa tornaram-se um copiloto de confiança na vida de muitas pessoas. Mas há cada vez mais estudos que mostram que cada problema que a IA resolve tem um custo ambiental oculto.
Cada palavra numa instrução para IA é dividida em grupos de números chamados “token IDs” e enviada para grandes centros de dados - alguns maiores do que campos de futebol - alimentados por centrais de carvão ou gás natural. Aí, pilhas de grandes computadores geram respostas através de dezenas de cálculos rápidos.
Todo este processo pode consumir até 10 vezes mais energia do que uma pesquisa normal no Google, de acordo com uma estimativa frequentemente citada pelo Electric Power Research Institute.
Quais são então os danos de cada instrução que se envia à IA? Para saber a resposta a esta pergunta, investigadores na Alemanha testaram 14 sistemas de IA com grandes modelos de linguagem (LLM), colocando-lhes perguntas de resposta livre e de escolha múltipla. As perguntas complexas produziram até seis vezes mais emissões de dióxido de carbono do que as perguntas com respostas concisas.
Além disso, segundo o mesmo estudo, os LLM “mais inteligentes”, com mais capacidades de raciocínio, produziram até 50 vezes mais emissões de carbono do que os sistemas mais simples para responder à mesma pergunta.
“Isto mostra-nos o compromisso entre o consumo de energia e a exatidão do desempenho do modelo”, afirma Maximilian Dauner, estudante de doutoramento na Universidade de Ciências Aplicadas Hochschule München e autor do estudo Frontiers in Communication.
Geralmente, estes LLM mais inteligentes e que consomem mais energia têm mais dezenas de milhares de milhões de parâmetros - as tendências utilizadas para processar IDs de tokens - em comparação com modelos mais pequenos e concisos.
"Podemos pensar nisto como uma rede neural no cérebro. Quanto maior for o número de ligações neuronais, maior será a capacidade de raciocínio para responder a uma pergunta", compara Dauner.
Eis o que pode fazer para reduzir a sua pegada ecológica
As perguntas complexas requerem mais energia, em parte devido às longas explicações que muitos modelos de IA são treinados para fornecer, explica Dauner. Por exemplo, diz o investigador, se pedir a um chatbot de IA que lhe resolva uma questão de álgebra, ele pode responder com todos os passos que o levaram a encontrar a resposta.
“A IA gasta muita energia a ser cordial, especialmente se o utilizador for educado, escrevendo ‘por favor’ e ‘obrigado’”, observa Dauner. “Mas isso só torna as respostas ainda mais longas, gastando mais energia para gerar cada palavra.”
Por esta razão, Dauner sugere que os utilizadores sejam mais diretos quando comunicam com os modelos de IA. Especifique o tamanho da resposta que pretende e limite-a a uma ou duas frases. Até pode dizer que não precisa de uma explicação.
Para Sasha Luccioni, cientista especializada em alterações climáticas da empresa IA Hugging Face, o mais importante do estudo de Dauner é o facto de salientar que nem todos os modelos de IA são criados da mesma forma. Os utilizadores que procuram reduzir a sua pegada ecológica podem ser mais optar por determinados modelos consoante a tarefa.
“Modelos específicos são muitas vezes mais pequenos e mais eficazes, e igualmente bons em qualquer tarefa específica de contexto”, afirma Luccioni.
Se o leitor é um engenheiro de software que resolve problemas complexos de código todos os dias, pode ser necessário um modelo de IA adequado para código. Mas para o estudante do ensino secundário que quer ajuda para os trabalhos de casa, confiar em ferramentas de IA potentes é como utilizar uma calculadora digital com energia nuclear.
Mesmo dentro da mesma empresa de IA, há diferentes ofertas de modelos que podem variar no seu poder de raciocínio. Por isso, Dauner sugere que procure quais as capacidades que melhor se adequam às suas necessidades.
Sempre que possível, Luccioni recomenda recorrer a fontes básicas - enciclopédias online e calculadoras de telemóvel - para realizar tarefas simples.
Porque é difícil medir o impacto ambiental da IA?
A dimensão do impacto ambiental da IA tem-se revelado um desafio.
O estudo refere que o consumo de energia pode variar em função da proximidade do utilizador às redes de energia locais e do hardware utilizado para os modelos de IA. É por isso que os investigadores optaram por representar as emissões de carbono dentro de um intervalo.
Além disso, muitas empresas de IA não partilham informações sobre o seu consumo de energia - ou detalhes como o tamanho do servidor ou técnicas de otimização que poderiam ajudar os investigadores a estimar o consumo de energia, afirma Shaolei Ren, professor associado de engenharia elétrica e de computação da Universidade da Califórnia, Riverside, que estuda o consumo de água da IA.
"Não se pode dizer quem, em média, a IA consome X quantidade de energia ou de água - isso não faz sentido. Temos de olhar para cada modelo individual e depois avaliar o que utiliza para cada tarefa", diz Ren.
Uma forma de as empresas de IA poderem ser mais transparentes é divulgar a quantidade de emissões de carbono associadas a cada pedido, sugere Dauner.
De um modo geral, se as pessoas estivessem mais informadas sobre o custo médio ambiental de gerar uma resposta, talvez começassem a pensar: "Será mesmo necessário transformar-me numa figura de ação só porque estou aborrecido? Ou 'tenho de contar piadas do ChatGPT porque não tenho nada para fazer”, questiona Dauner.
Além disso, acresxenta Luccioni, à medida que mais empresas se esforçam para adicionar ferramentas de IA generativa aos seus sistemas, as pessoas podem não ter muita escolha sobre como ou quando usar a tecnologia.
"Não precisamos de IA generativa na pesquisa na Web. Ninguém pediu chatbots de IA nas aplicações de mensagens ou nas redes sociais", diz Luccioni. “Esta corrida para os inserir em todas as tecnologias existentes é verdadeiramente irritante, uma vez que tem consequências reais para o nosso planeta.”
Com menos informações disponíveis sobre o uso de recursos da IA, os consumidores têm menos escolha, conclui Ren, admitindo que é improvável que os EUA venham a regular o setor para garantir mais transparência. Em vez disso, a melhor esperança para uma IA mais eficiente em termos energéticos pode residir na relação custo-benefício da utilização de menos energia.
"De um modo geral, continuo otimista em relação ao futuro. Há muitos engenheiros de software a trabalhar arduamente para melhorar a eficiência dos recursos", afirma Ren. "Outras indústrias também consomem muita energia, mas isso não é motivo para sugerir que o impacto ambiental da IA não seja um problema. Devemos definitivamente prestar atenção".
