O meio ambiente tem novo inimigo: o ChatGPT

Tudo sobre ChatGPT

Tudo sobre Inteligência Artificial

A IA generativa é a nova tecnologia por trás dos chatbots e geradores de imagens. Mas quão quente o planeta está ficando com isso?

Quanto mais poderosa a IA, mais energia é necessária. O que o surgimento de modelos de IA generativos cada vez mais poderosos significa para a futura pegada de carbono da sociedade?

Leia mais:

“Generativo” refere-se à capacidade de um algoritmo de IA de produzir dados complexos. A alternativa é a IA “discriminativa”, que escolhe entre um número fixo de opções e produz apenas um único número. Um exemplo de uma saída discriminativa é escolher se deve aprovar um pedido de empréstimo.

A IA generativa pode criar saídas muito mais complexas, como uma frase, um parágrafo, uma imagem ou, até mesmo, um pequeno vídeo.

Há muito tempo é usado em aplicativos, como alto-falantes inteligentes, para gerar respostas de áudio ou no preenchimento automático para sugerir uma consulta de pesquisa. No entanto, só recentemente ganhou a capacidade de gerar linguagem humana e fotos realistas.

Usando mais energia do que nunca

O custo exato de energia de um único modelo de IA é difícil de estimar e inclui a energia usada para fabricar o equipamento de computação, criar o modelo e usá-lo na produção;
Em 2019, pesquisadores descobriram que a criação de um modelo de IA generativo chamado BERT, com 110 milhões de parâmetros, consumia a energia de um voo transcontinental de ida e volta para uma pessoa;
A quantidade de parâmetros refere-se ao tamanho do modelo, sendo que modelos maiores geralmente são mais habilidosos;
Os pesquisadores estimaram que a criação do GPT-3, muito maior, com 175 bilhões de parâmetros, consumiu 1.287 MWh de eletricidade e gerou 552 toneladas de dióxido de carbono equivalente, o mesmo que 123 veículos de passageiros movidos a gasolina dirigidos por um ano;
E isso é apenas para deixar o modelo pronto para o lançamento, antes que qualquer consumidor comece a usá-lo.

O tamanho não é o único preditor de emissões de carbono. O modelo BLOOM de acesso aberto, desenvolvido pelo projeto BigScience, na França, é semelhante em tamanho ao GPT-3, mas tem pegada de carbono muito menor, consumindo 433 MWh de eletricidade na geração de 30 toneladas de CO2eq.

Um estudo do Google descobriu que, para o mesmo tamanho, usar uma arquitetura de modelo e processador mais eficientes e um datacenter mais ecológico pode reduzir a pegada de carbono de 100 a mil vezes.

Modelos maiores usam mais energia durante sua implantação. Há dados limitados sobre a pegada de carbono de uma única consulta de IA generativa, mas alguns números da indústria estimam que seja de quatro a cinco vezes maior do que a de uma consulta de mecanismo de pesquisa.

À medida que os chatbots e os geradores de imagens se tornam mais populares, e à medida que o Google e a Microsoft incorporam modelos de linguagem de IA em seus mecanismos de pesquisa, o número de consultas que eles recebem a cada dia pode crescer exponencialmente.

Bots IA para pesquisa

Há alguns anos, poucas pessoas fora dos laboratórios de pesquisa usavam modelos, como BERT ou GPT. Isso mudou em 30 de novembro de 2022, quando a OpenAI lançou o ChatGPT. De acordo com os últimos dados disponíveis, o ChatGPT teve mais de 1,5 bilhão de visitas em março de 2023.

A Microsoft incorporou o ChatGPT em seu mecanismo de busca, o Bing, e o disponibilizou para todos em 4 de maio de 2023. Se os chatbots se tornarem tão populares quanto os mecanismos de busca, a energia os custos de implantação das IAs podem realmente aumentar.

Mas os assistentes de IA têm muito mais usos do que apenas pesquisar, como escrever documentos, resolver problemas de matemática e criar campanhas de marketing.

Outro problema é que os modelos de IA precisam ser atualizados continuamente. Por exemplo, o ChatGPT foi treinado apenas com dados até 2021 (originalmente), portanto, não sabe nada do que aconteceu desde então (agora isso está sendo atualizado).

A pegada de carbono da criação do ChatGPT não é uma informação pública, mas provavelmente é muito maior do que a do GPT-3. Se tivesse que ser recriado regularmente para atualizar seu conhecimento, os custos de energia aumentariam ainda mais.

Uma vantagem é que perguntar a um chatbot pode ser uma maneira mais direta de obter informações do que usar um mecanismo de pesquisa. Em vez de obter uma página cheia de links, você obtém uma resposta direta como faria com um ser humano, supondo que os problemas de precisão sejam mitigados.

Obter informações mais rapidamente poderia compensar o aumento do uso de energia em comparação com um mecanismo de pesquisa.

Caminhos a seguir

O futuro é difícil de prever, mas grandes modelos de IA generativa estão aqui para ficar, e as pessoas provavelmente recorrerão cada vez mais a eles para obter informações. Por exemplo, se um aluno precisa de ajuda para resolver um problema de matemática agora, ele pede a um tutor ou amigo, ou consulta um livro didático.

No futuro, eles provavelmente perguntarão a um chatbot. O mesmo vale para outros conhecimentos especializados, como aconselhamento jurídico ou perícia médica.

Embora um único grande modelo de IA não vá arruinar o meio ambiente, se mil empresas desenvolverem bots de IA ligeiramente diferentes para fins diferentes, cada um usado por milhões de clientes, o uso de energia pode se tornar um problema.

Mais pesquisas são necessárias para tornar a IA generativa mais eficiente. A boa notícia é que a IA pode funcionar com energia renovável. Levando a computação para onde a energia verde é mais abundante, ou programando a computação para horários do dia em que a energia renovável está mais disponível, as emissões podem ser reduzidas por um fator de 30 a 40, em comparação com o uso de rede dominada por combustíveis fósseis.

Por fim, a pressão da sociedade pode ser útil para incentivar empresas e laboratórios de pesquisa a publicar as pegadas de carbono de seus modelos de IA, como alguns já fazem. No futuro, talvez os consumidores possam até usar essas informações para escolher um chatbot “mais verde”.

Kate Saenko, professora associada de Ciências da Computação da Universidade de Boston

Via The Conversation e Fast Company

Já assistiu aos novos vídeos no YouTube do Olhar Digital? Inscreva-se no canal!