O uso crescente da inteligência artificial está aumentando a pressão sobre a energia elétrica do mundo, o que afeta as emissões de carbono. Um relatório da MIT Technology Review Brasil mostra que o consumo de energia das aplicações de IA pode variar muito, com diferenças de até 7.000% entre tarefas e modelos. A pesquisa, que mediu o consumo real de energia em vez de usar estimativas, revelou que tarefas mais complexas consomem muito mais energia. Por exemplo, criar roteiros detalhados pode usar até dez vezes mais energia do que tarefas simples. Além disso, modelos maiores podem consumir até 70 vezes mais energia para fazer a mesma tarefa. A localização dos data centers também é importante; um data center na Virgínia Ocidental pode gerar quase o dobro das emissões de um na Califórnia. O estudo também destacou a falta de transparência das empresas sobre seu consumo de energia e emissões, já que nenhuma delas forneceu dados específicos. Isso é um problema para entender o impacto ambiental das tecnologias de IA. A pesquisa sugere que as empresas devem considerar a eficiência energética ao planejar o uso de IA, pois isso pode afetar tanto o meio ambiente quanto os custos.
A crescente adoção da inteligência artificial (IA) levanta preocupações sobre seu impacto ambiental, especialmente no que diz respeito ao consumo de energia e emissões de carbono. Um novo relatório da MIT Technology Review Brasil revela que o consumo energético de aplicações de IA pode variar drasticamente, com diferenças de até 7.000% entre tarefas e modelos.
A pesquisa, intitulada “Power Hungry”, foi realizada ao longo de seis meses e é a análise mais abrangente sobre o consumo energético de aplicações de IA. A metodologia utilizada incluiu medições diretas do gasto energético durante a execução de tarefas computacionais, superando limitações de estudos anteriores que se baseavam em estimativas. Os resultados mostram que a criação de roteiros de viagem detalhados consome até dez vezes mais energia do que solicitações simples, e sistemas com mais parâmetros podem usar até 70 vezes mais energia para tarefas semelhantes.
Impactos Regionais
Os dados também indicam que a localização geográfica dos data centers influencia significativamente as emissões de carbono. Por exemplo, acessar um data center na Virgínia Ocidental pode gerar quase o dobro das emissões em comparação a uma operação similar na Califórnia. Essa variação de até 100% nas emissões, dependendo da localização, é uma variável frequentemente negligenciada em estudos anteriores.
Outra descoberta importante do relatório é a falta de transparência das empresas de tecnologia. Nenhuma das companhias contatadas forneceu dados específicos sobre consumo energético ou emissões de seus modelos proprietários. Essa lacuna limita avaliações setoriais e direcionou a pesquisa para modelos de código aberto.
Necessidade de Governança
Os resultados da pesquisa indicam a necessidade urgente de estabelecer frameworks de governança para o consumo energético da IA. O crescimento da demanda por processamento de IA, aliado à ausência de padrões de medição e reporte, amplifica os desafios para o planejamento energético. Para empresas que implementam soluções de IA, considerar a eficiência energética deve ser parte do processo de tomada de decisão desde o início. A escolha de modelos e a localização da infraestrutura computacional podem resultar em variações significativas no impacto ambiental e nos custos operacionais.
Entre na conversa da comunidade