O que seria necessário para tornar a IA ‘mais verde’?

O que seria necessário para tornar a IA “mais verde”? Por um lado, primeiro precisamos reconhecer coletivamente os custos tangíveis para a criação e uso de sistemas de IA – que, na verdade, podem ser muito grandes. Estima-se que o GPT-3, um poderoso modelo de linguagem recente da OpenAI, tenha consumido energia suficiente no treinamento para deixar uma pegada de carbono equivalente a  dirigir um carro da Terra até a Lua e vice-versa

Existem impactos benéficos que a IA pode ter em nosso relacionamento com o meio ambiente também. Um estudo abrangente   em 2020 avaliou o impacto potencial da IA nos 17 Objetivos de Desenvolvimento Sustentável das Nações Unidas, abrangendo resultados sociais, econômicos e ambientais.

Os pesquisadores descobriram que a IA poderia habilitar positivamente 93% das metas ambientais, incluindo a criação de cidades inteligentes e de baixo carbono; dispositivos e aparelhos da Internet das Coisas que podem modular seu consumo de eletricidade; melhor integração de energia renovável por meio de redes inteligentes; a identificação de tendências de desertificação por meio de imagens de satélite; e combate à poluição marinha.

Cimento e telecomunicações

Os casos de uso de IA na indústria podem ajudar o meio ambiente e reduzir as emissões de carbono. Por exemplo, OYAK Cimento, um grupo de fabricação de cimento com sede na Turquia, está usando IA para reduzir significativamente sua pegada de carbono. De acordo com Berkan Fidan, diretor de desempenho e processo da OYAK Cimento: “O controle de processo auxiliado por IA da empresa ajuda a aumentar a eficiência operacional, o que significa maior produção com menor consumo de energia da unidade.

Se considerarmos uma única fábrica de cimento de nível moderado de capacidade com 1 milhão de toneladas da produção de cimento, apenas 1 por cento de redução adicional de clínquer – com processo auxiliado por IA e controle de qualidade – produz uma redução de cerca de 7.000 toneladas de CO2 por ano. Isso equivale à absorção de CO2 de 320.000 árvores em um ano”.

De acordo com o think tank  Chatham House , o cimento é responsável por cerca de 8 por cento das emissões de CO2. Assim, há uma necessidade ambiental clara de melhorar a eficiência na fabricação de cimento e uma ferramenta para isso é a IA.

Levar em consideração as restrições de conservação de energia pode nos levar a inovações novas e criativas em IA.

Outro exemplo de IA com impacto ambiental positivo diz respeito à Entel, a maior empresa chilena de telecomunicações, e dados de sensores para identificar incêndios florestais. É necessário um esforço colaborativo para combater com sucesso os incêndios florestais que têm ocorrido em muitas partes do mundo, incluindo a Grécia e o norte da Califórnia.

O Chile é frequentemente afetado por mudanças climáticas severas e condições climáticas catastróficas, que anteriormente levaram ao pior incêndio florestal da história do Chile em 2017, que resultou na queima de cerca de 714.000 acres. Para um país repleto de maravilhas naturais, com uma população e economia que depende muito de florestas prósperas, qualquer tipo de incêndio é devastador.

A Entel Ocean, unidade digital da Entel, procurou identificar incêndios com antecedência usando sensores IoT. Esses sensores atuam como um “nariz” digital colocado nas árvores, capaz de detectar partículas no ar. Os dados produzidos por esses sensores permitiram que a Entel Ocean usasse IA para prever automaticamente quando um incêndio florestal iria começar. “Detectamos um incêndio florestal 12 minutos antes dos métodos tradicionais – isso é muito importante quando se trata de prevenção de incêndios”, disse  Lenor Ferrebuz Bastidas , porta-voz de soluções digitais corporativas da Entel Ocean. “Considerando que o fogo pode se espalhar em questão de segundos, cada minuto ajuda”.

Trade-offs  (Escolha de uma opção em detrimento de outra)

Por meio desses aplicativos, a IA pode ser uma ferramenta poderosa para combater as mudanças climáticas. Mas seu papel também como contribuidor não pode ser esquecido. Para tanto, o primeiro passo é promover a prática de avaliação de modelos mais holística e multidimensional. Até o momento, o principal foco da pesquisa e inovação tem sido a melhoria da precisão ou a criação de novos métodos de algoritmo.

Esses objetivos geralmente consomem quantidades cada vez maiores de dados, construindo modelos cada vez mais complexos. O exemplo mais revelador está no aprendizado profundo, em que os recursos computacionais aumentaram  300.000 vezes entre 2012 e 2018 .No entanto, a relação entre a  precisão e a complexidade do modelo é logarítmica.  Para aumentos exponenciais no tamanho do modelo e nos requisitos de treinamento, há melhorias lineares no desempenho.

Na busca pela precisão, menos prioridade é dada ao desenvolvimento de métodos com melhor tempo de treinamento ou eficiência de recursos.

Seguindo em frente, precisamos reconhecer a compensação entre a precisão e a eficiência do modelo e a pegada de carbono do modelo, tanto durante o treinamento quanto ao fazer inferências.

A pegada de carbono de um modelo pode ser complicada de determinar e comparar entre abordagens de modelagem e infraestruturas de data center. Um lugar razoável para começar pode ser avaliando o número de operações de ponto flutuante – isto é, uma contagem discreta de quantas operações matemáticas simples (por exemplo, multiplicação, divisão, adição, subtração e atribuição de variável) – que precisam ser realizadas para treinar um modelo. Este fator e outros podem afetar o consumo de energia junto com a arquitetura do modelo e os recursos de treinamento, como hardware, como GPU ou CPUs. Além disso, as considerações físicas de armazenamento e resfriamento dos servidores entram em jogo. Como complicação final, também importa de onde a energia é proveniente.

Vamos perguntar: “Quanto mais podemos fazer com menos?” Levar em consideração as restrições de conservação de energia pode nos levar a inovações novas e criativas em IA. Ao basear-se nessa mentalidade em vez de quanto maior é sempre melhor e ao buscar casos de uso de IA no espaço ambiental, a IA pode permanecer na vanguarda, tornando-se uma tecnologia sustentável do futuro e um importante ativo na proteção de nosso clima global.