IA generativa, ChatGPT e centros de dados: a pegada carbónica sob pressão

A inteligência artificial (IA) generativa impôs-se, em apenas três anos, como a nova revolução à escala global. Só que, por trás das respostas aparentemente simples do ChatGPT, existem centros de dados gigantescos que consomem volumes de energia tão elevados que, em breve, a sua pegada carbónica poderá rivalizar com a de países inteiros. Além de ser uma poluição em grande escala, é também incrivelmente difícil de quantificar: estaremos a caminhar para uma catástrofe?

Se a IA generativa exige tanta eletricidade, é porque assenta numa cadeia industrial pesada e extremamente intensiva em energia. Um estudo de grande dimensão publicado em outubro pela associação The Shift Project lança o alerta: a vaga da IA está a gerar uma necessidade colossal de infraestruturas e de GPU cuja produção, alimentação elétrica e arrefecimento fazem disparar, de forma exponencial, a pegada carbónica.

Um dos fatores centrais são os dados de treino - o “combustível” destes modelos. Quanto mais dados, mais o modelo é considerado inteligente, mas maior é a explosão de energia necessária para o treinar. As ordens de grandeza são impressionantes: "Trabalhamos com dados que ultrapassam os 100 téraoctetos, por vezes mais de 1 000", recorda Ludovic Moulard, membro do Shift Project e diretor de sustentabilidade da consultora fifty-five, numa entrevista à Presse-citron. Para comparação, os sistemas mais antigos de aprendizagem automática funcionavam muitas vezes com alguns gigaoctetos, ou então 10 ou 20 téraoctetos.

Depois de o modelo estar em produção, cada resposta gerada - a chamada inferência - aciona processadores muito potentes, que aquecem e exigem capacidades significativas de arrefecimento, aumentando ainda mais o consumo elétrico. Para agravar, este hardware está frequentemente instalado em regiões onde a eletricidade continua a ser muito carbonada, como acontece nos Estados Unidos.

Um impacto massivo, mas quase impossível de medir

Mesmo quando se tenta calcular a pegada carbónica exata da IA, esbarra-se num bloqueio. O relatório do Shift Project dedica, aliás, um capítulo inteiro a esta falta evidente de dados, que impede uma avaliação rigorosa das emissões reais associadas à IA.

Uma parte do problema vem de uma opacidade total por parte das empresas de IA. "A maioria dos fornecedores é privada e não partilha quantas vezes um modelo foi treinado, em que máquinas, nem com que mix elétrico", lamenta Agathe Gourhannic, consulting manager na fifty-five.

Além disso, a fase de treino - que concentra perto de metade da energia necessária à IA generativa - é, em larga medida, uma caixa negra. "Mesmo nos modelos de código aberto, não é simples, porque nem sempre sabemos quantas versões anteriores foram treinadas, nem o que consumiram", exemplifica a especialista. O mesmo se aplica à inferência: quando um utilizador envia um pedido a um serviço como o ChatGPT, ninguém consegue medir verdadeiramente o que acontece dentro do centro de dados.

Estas falhas de transparência podem também existir ao nível dos próprios Estados. "Em França, nem sequer somos capazes de inventariar com precisão os centros de dados que temos no território", aponta Ludovic Moulard. Como quantificar o impacto da IA num cenário tão pouco claro?

A rede elétrica já está sob pressão

A questão torna-se ainda mais crítica devido à adoção massiva desta tecnologia. Em apenas dois meses, o ChatGPT ultrapassou os 100 milhões de utilizadores ativos, tornando-se a aplicação de consumo com o crescimento mais rápido da História, muito à frente do TikTok, que até então detinha o recorde. "Isto mostra bem até que ponto este tema é um entusiasmo sem precedentes do grande público", observa Ludovic Moulard.

Nas empresas, ficar de fora parece inviável, com o receio de "perder o comboio" a ser determinante no contexto profissional. "Muitas não querem falar do impacto ambiental, com receio de que isso abrande a adoção da IA", confirma Agathe Gourhannic. O resultado é uma implementação em larga escala, por vezes sem que se questione sequer a razão de ser.

Trata-se de uma dinâmica conhecida no digital: o efeito de oferta e o efeito de uso. Quanto mais os gigantes da IA disponibilizam novas capacidades, mais acabam, automaticamente, por gerar novos usos. E, para responder, é preciso construir infraestruturas. "É um verdadeiro círculo vicioso", nota a especialista.

Entretanto, o sistema elétrico não acompanha o ritmo. O Shift Project estima que os centros de dados poderão representar, até 2035, o equivalente a duas vezes as emissões anuais de França. E alguns países já chegaram ao limite, como a Irlanda em 2023. Do mesmo modo, nos Estados Unidos, o aumento dos custos da energia é atribuído à explosão da IA.

Há ainda outro risco: esta corrida ao cálculo absorve eletricidade de baixo carbono que é indispensável para outros setores essenciais da transição ecológica, como a indústria, os transportes ou a produção de aço descarbonizado. "Para sairmos das energias fósseis, precisamos de eletricidade de baixo carbono", insiste Ludovic. Se a IA capturar uma fatia crescente desse recurso, pode desacelerar - ou mesmo dificultar - os esforços climáticos globais.

Provavelmente será necessário abdicar de alguns usos

A leitura do Shift Project é direta: muito provavelmente será preciso abdicar de certos usos da IA. Isto porque os prompts lançados de forma automática e a produção em série de conteúdos, por vezes sem benefício real, fazem disparar o consumo energético para um retorno mínimo. "A verdadeira pergunta é: porquê? Que problema quer resolver?", relembra Agathe Gourhannic.

É precisamente para ajudar nesta triagem que a fifty-five, a Brandtech Group e a Scope3 publicaram uma calculadora de código aberto. A ferramenta permite introduzir uma tarefa e estimar a sua pegada carbónica consoante o modelo utilizado. "Pode ajudar os utilizadores a compreender o impacto real do que fazem e a usar a ferramenta de forma mais ponderada", explica Agathe.

Ainda assim, importa lembrar que a IA também pode acelerar progressos em áreas em que os benefícios sociais compensam o gasto energético, como a saúde, o clima ou a investigação em geral. Mas os modelos têm de ser calibrados, adaptados e treinados em boas condições.

O Shift Project sugere também definir orçamentos elétricos para os centros de dados. "Podíamos estabelecer o nível de eletricidade que disponibilizamos e não ultrapassar esse limite", resume Ludovic Moulard. Falta, no entanto, que o tema seja analisado com seriedade por quem decide, numa altura em que se multiplicam investimentos gigantescos em infraestruturas.

---