s
INTELIGÊNCIA ARTIFICIAL

Custo ambiental e energético de treinar machine learning cresce

A busca por modelos cada vez mais precisos está aumentando o gasto energético com desenvolvimento de redes neurais

Por Kate Saenko, The Conversation 16/12/2020

Neste mês de dezembro, o Google protagonizou um episódio controverso no campo da Inteligência Artificial. Após ter um artigo sobre ética da IA retirado de circulação pela empresa, a pesquisadora Timnit Gebru foi forçada a deixar o cargo que ocupava. O artigo aponta os riscos da inteligência artificial de processamento de linguagem, usado na no motor de pesquisa do Google Search e em outros produtos de texto da companhia. 

Entre os riscos destacados pela pesquisadora está a grande pegada de carbono que resulta do desenvolvimento desse tipo de tecnologia de IA. Segundo estimativas, o treinamento de um único modelo de machine learning gera tantas emissões de carbono quanto é necessário para construir e dirigir cinco carros ao longo de suas vidas úteis. Mas por que algoritmos inteligentes demandam tanta energia e em que medida são diferentes da computação tradicional em data centers? 

Treinamento ineficiente

O processamento de dados, tradicionalmente realizado em data centers, inclui streaming de vídeo, e-mail e mídias sociais. A IA requer mais intensidade computacional porque precisa ler muitos dados até aprender a entendê-los. Isto é o que chamam de treinamento do modelo. Os modelos de IA são treinados em hardware especializado, como unidades de processador gráfico, que consomem mais energia do que as CPUs tradicionais. 

Este é um conteúdo exclusivo para assinantes.

Cadastre-se grátis e tenha acesso a 5 conteúdos por mês.

É assinante ou já tem senha? Faça login. Já recebe a newsletter? Ative seu acesso.

A capacidade de um programa de criar artigos impressiona cientistas

Inteligência Artificial

A capacidade de um programa de criar artigos impressiona cientistas

A escrita do GPT-3 parece ter sido criada por um humano. Esse programa de geração de linguagem também é capaz de escrever códigos limpos e suas habilidades poderiam ser usadas em várias áreas

Por Prasenjit Mitra, The Conversation
Desafio de tornar a Inteligência Artificial confiável é imperativo para os negócios

Inteligência Artificial

Desafio de tornar a Inteligência Artificial confiável é imperativo...

As pessoas não estão dispostas a aceitar tecnologias a menos que possam exercer mais controle sobre seus resultados

Por Cristina De Luca
TinyML: a próxima revolução da Inteligência Artificial

Inteligência Artificial

TinyML: a próxima revolução da Inteligência Artificial

Embarcada em microcontroladores, a tecnologia oferece a pequenos dispositivos a capacidade de tomar decisões inteligentes sem a necessidade de trocar dados com a nuvem

Por Redação The Shift