IA generativa e ChatGPT: centros de dados e a pegada de carbono

A inteligência artificial (IA) generativa afirmou-se, em apenas três anos, como a mais recente revolução global. No entanto, por trás das respostas naturais do ChatGPT, há centros de dados gigantescos a consumir tanta energia que a sua pegada de carbono poderá, em breve, aproximar-se da de países inteiros. Além de ser uma poluição de grande escala, é também extraordinariamente difícil de quantificar: estamos a caminhar para um cenário de risco extremo?

A razão para a IA generativa gastar tanta energia está no facto de assentar numa cadeia industrial pesada e altamente intensiva em recursos. Um estudo de grande dimensão publicado em outubro pela associação The Shift Project deixa o alerta: a vaga da IA está a provocar uma procura colossal por infraestruturas e GPU cuja produção, alimentação elétrica e arrefecimento fazem disparar uma pegada de carbono exponencial.

Entre os principais fatores está o volume de dados de treino - o “combustível” destes modelos. Quanto mais dados se acumulam, mais “inteligente” o modelo é suposto tornar-se, mas a energia necessária para o treinar cresce de forma explosiva. Os valores são muito elevados: "Trabalhamos com dados que ultrapassam os 100 terabytes, 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 antigos sistemas de machine learning funcionavam muitas vezes com alguns gigabytes, ou então 10 ou 20 terabytes.

Depois de o modelo estar em funcionamento, cada resposta gerada - aquilo a que se chama inferência - põe a trabalhar processadores extremamente potentes, que aquecem e exigem uma capacidade relevante de arrefecimento, o que volta a aumentar o consumo de eletricidade. Para agravar, este equipamento está frequentemente instalado em zonas onde a energia continua a ter uma intensidade carbónica elevada, como nos Estados Unidos.

Um impacto massivo, mas quase impossível de medir

Mesmo quando se tenta apurar a pegada de carbono exata da IA, surge um obstáculo difícil de ultrapassar. O relatório do Shift Project dedica, aliás, um capítulo inteiro a esta falta evidente de dados, que impede uma avaliação sólida das emissões reais ligadas à IA.

Parte do problema resulta da opacidade total 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 mistura elétrica", lamenta Agathe Gourhannic, consulting manager na fifty-five.

A fase de treino, que concentra perto de metade da energia necessária para a IA generativa, permanece quase totalmente fora de escrutínio. "Mesmo nos modelos de código aberto, não é simples, porque não sabemos necessariamente quantas versões anteriores foram treinadas, nem o que consumiram", exemplifica a especialista. O mesmo se aplica à inferência: quando um utilizador envia um pedido para um serviço como o ChatGPT, ninguém consegue medir verdadeiramente o que acontece no centro de dados.

Estas falhas de transparência também podem envolver os Estados. "Em França, nem sequer conseguimos recensear com precisão os centros de dados que temos no território", aponta Ludovic Moulard. Como é que se pode esperar quantificar o impacto da IA num contexto tão pouco claro?

A rede elétrica já sob pressão

A questão agrava-se ainda mais devido à adoção em massa 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 detinha até então o recorde. "Isto mostra bem até que ponto este tema é um entusiasmo sem precedentes junto do grande público", observa Ludovic Moulard.

No mundo empresarial, ficar de fora deixou de ser uma opção: o receio de "perder o comboio" tornou-se determinante no contexto profissional. "Muitos não querem falar do impacto ambiental, com receio de que isso abrande a adoção da IA", confirma Agathe Gourhannic. O resultado é uma implementação acelerada, por vezes sem sequer se discutir a razão de ser.

Esta lógica é bem conhecida no setor digital: o efeito de oferta e o efeito de utilização. Quanto mais os gigantes da IA disponibilizam novas capacidades, mais geram, por arrasto, novos usos. E é preciso construir infraestruturas para dar resposta. "É um verdadeiro círculo vicioso", comenta a especialista.

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

Há ainda outro efeito: esta corrida ao cálculo está a absorver eletricidade de baixo carbono que é crucial para outros setores essenciais da transição ecológica, como a indústria, os transportes ou a produção de aço descarbonizado. "Para sair dos combustíveis fósseis, precisamos de eletricidade de baixo carbono", insiste Ludovic. Se a IA captar uma fatia crescente desse recurso, poderá atrasar - ou mesmo dificultar - os esforços climáticos a nível mundial.

Provavelmente será necessário abdicar de alguns usos

A conclusão do Shift Project é clara: muito provavelmente será preciso prescindir de determinados usos da IA. Isso porque os prompts lançados de forma automática e a produção em série de conteúdos, por vezes sem interesse real, fazem disparar o consumo de energia para um ganho reduzido. "A verdadeira pergunta é: porquê? Que problema quer resolver?", lembra Agathe Gourhannic.

É precisamente para apoiar esta triagem que a fifty-five, a Brandtech Group e a Scope3 lançaram uma calculadora open source. A ferramenta permite introduzir uma tarefa e estimar a sua pegada de carbono conforme o modelo utilizado. "Pode ajudar os utilizadores a perceber o impacto real do que estão a fazer e a usar isto de forma mais ponderada", explica Agathe.

Ainda assim, importa sublinhar que a IA também pode contribuir para avanços em áreas onde os benefícios sociais compensam a despesa energética, como a saúde, o clima ou a investigação em geral. Mas os modelos têm de ser calibrados, ajustados e treinados em condições adequadas.

O Shift Project propõe igualmente definir orçamentos elétricos para os centros de dados. "Podíamos estabelecer o nível de eletricidade que disponibilizamos e não ultrapassar esse limite", resume Ludovic Moulard. Resta saber se o tema será analisado com a seriedade necessária pelos decisores, numa altura em que se multiplicam investimentos de enorme dimensão em infraestruturas.

---