Custo ambiental e energético de treinar machine learning cresce

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.