O MIT News discute o impacto ambiental da IA generativa em uma série de dois partes. Este artigo examina o alto consumo de recursos da tecnologia, enquanto o próximo se concentrará em estratégias para minimizar sua pegada de carbono. A IA generativa promete vários benefícios, como aumentar a produtividade e avançar na pesquisa, mas seu crescimento rápido gera preocupações ambientais significativas que são difíceis de quantificar ou mitigar. Treinar modelos com bilhões de parâmetros, como o GPT-4 da OpenAI, requer um imenso poder computacional, resultando em alto consumo de eletricidade e aumento nas emissões de carbono. Além da eletricidade, são necessários recursos hídricos significativos para refrigerar o hardware de treinamento e implantação, o que pode pressionar os suprimentos locais de água e perturbar ecossistemas. O aumento das aplicações de IA generativa também eleva a demanda por hardware de computação avançado, adicionando mais pressões ambientais decorrentes de sua produção e transporte. Elsa A. Olivetti, professora no MIT, observa que o impacto ambiental se estende além do uso de eletricidade, abrangendo consequências sistêmicas mais amplas. Os data centers, cruciais para hospedar modelos de IA generativa, contribuem significativamente para problemas ambientais. Esses centros requerem uma quantidade enorme de energia para suas operações.

Por exemplo, um único data center pode abrigar aproximadamente 50. 000 servidores, e a crescente demanda por data centers levou à construção rápida, muito além das práticas sustentáveis. Previsões sugerem que, até 2026, o consumo de eletricidade dos data centers globais pode chegar a 1. 050 terawatts. O treinamento de grandes modelos de IA, como o GPT-3, tem demandas energéticas sérias, com estudos estimando alto uso de eletricidade e emissões de carbono substanciais. Além disso, as demandas de energia não só persistem durante o treinamento, mas também durante o uso em tempo real, como evidenciado por cada interação com a IA generativa consumindo muito mais eletricidade do que pesquisas tradicionais na web. Tendências atuais sugerem que futuros modelos de IA generativa exigirão ainda mais energia, com vidas mais curtas levando a lançamentos frequentes de novos modelos. Este ciclo desperdiça a energia gasta em versões anteriores. O consumo de água nos data centers também apresenta desafios ambientais significativos, uma vez que é necessária uma quantidade considerável de água para refrigeração, impactando a biodiversidade local. Os custos ambientais associados à produção do próprio hardware de computação—de GPUs a CPUs—são substanciais devido aos complexos processos de fabricação e métodos de extração de recursos. Apesar da trajetória insustentável, os autores propõem que o desenvolvimento responsável da IA generativa requer uma avaliação minuciosa de seus custos ambientais e sociais junto com seus benefícios percebidos. Olivetti enfatiza a necessidade de uma compreensão contextual para medir e compreender essas trocas em evolução.