Projetar sistemas que reduzam o impacto ambiental da IA

Analisando os fatores por trás do impacto ambiental da IA

Os modelos de aprendizado de máquina fazem previsões e decisões usando variáveis chamadas parâmetros que são ajustadas durante o treinamento. Em muitos casos, a adição de parâmetros permite que os modelos capturem padrões e relações mais complexos nos dados, incentivando empresas e investigadores a construir modelos cada vez maiores.

Mas a energia é gasta toda vez que um parâmetro é atualizado durante o treinamento do modelo. Um artigo de 2019 estimou que o treinamento de um grande modelo de transformador em GPUs por meio da busca por arquitetura neural produziu cerca de 313 toneladas de emissões de dióxido de carbono, o equivalente à quantidade de emissões da eletricidade usada por 55 residências dos EUA ao longo de um ano.

O grande modelo de transformador discutido naquele artigo já tinha robustos 213 milhões de parâmetros –e nos anos seguintes, os modelos de linguagem tornaram-se mais massivos. GPT-3, o modelo original por trás da versão gratuita do ChatGPT, é várias ordens de magnitude maior, com 175 bilhões de parâmetros.

Além de consumir energia, o treinamento do modelo gera calor substancial, o que impulsiona o consumo de água através do resfriamento do data center. E o lixo eletrônico pode se acumular à medida que os desenvolvedores de IA atualizam o hardware em busca de modelos maiores e mais rápidos.

O impacto ambiental da IA vai além do treinamento de modelos

Até o momento, a análise da pegada de carbono da IA concentrou-se no desenvolvimento e treinamento de modelos –normalmente o estágio computacionalmente mais caro do ciclo de vida do aprendizado de máquina. No entanto, as emissões provenientes da utilização individual também podem ser relativamente elevadas para modelos grandes com milhões de utilizadores diários, como o ChatGPT ou a Pesquisa Google alimentada por IA.

Há também a questão de como a IA é usada após o desenvolvimento. Muitas empresas de tecnologia comprometeram-se publicamente a reduzir as emissões associadas aos seus cálculos e hardware. Embora fazer isso seja sem dúvida valioso, focar apenas nessas áreas permite que as empresas se libertem dos efeitos posteriores das suas aplicações.

A imagem completa do impacto ambiental da IA inclui a forma como a IA está a contribuir para as tendências sociais como um todo, incluindo a mudança do consumo de produtos e serviços numa direção insustentável. Por exemplo, a utilização da IA para acelerar a exploração de petróleo e gás ou facilitar a entrega a pedido de veículos com elevadas emissões poderia causar aumentos potencialmente significativos nas emissões de carbono.

Projeto de sistemas de IA mais eficientes e sustentáveis

Continua a ser difícil estimar com precisão o impacto ambiental da IA. Mas embora seja importante obter métricas de sustentabilidade precisas, os desenvolvedores de modelos de aprendizagem automática e software orientado por IA podem tomar decisões de design mais eficientes em termos energéticos, mesmo sem conhecer números específicos de emissões.

A Green Software Foundation incentiva os desenvolvedores a considerar a eficiência energética, a eficiência do hardware e a conscientização sobre as emissões de carbono ao projetar software.

Por exemplo, eliminar cálculos desnecessários no treinamento de modelos pode reduzir as emissões globais. Modelos grandes e computacionalmente intensivos não são necessários para todas as aplicações; Em alguns casos de uso, um modelo menor pode funcionar tão bem ou até melhor. Também é importante encarar a sustentabilidade como uma métrica valiosa em si, em vez de procurar melhorias marginais no desempenho a qualquer custo de emissões.

Os modelos de treinamento de desenvolvedores que usam infraestrutura em nuvem também podem realizar cálculos em momentos e em regiões de data center onde a energia limpa está mais disponível. A verificação de recursos não utilizados e a utilização de servidores com capacidade total também podem reduzir gastos desnecessários com energia: se um servidor estiver ligado, ele estará consumindo energia, mesmo que não esteja executando uma carga de trabalho útil.

A incorporação de ferramentas de monitoramento de sustentabilidade pode ajudar as equipes técnicas a compreender melhor o impacto ambiental de seus modelos e as aplicações onde esses modelos são usados. Por exemplo, o pacote Python CodeCarbon e a ferramenta de código aberto Cloud Carbon Footprint fornecem aos desenvolvedores instantâneos das emissões estimadas de carbono de um programa ou carga de trabalho. Da mesma forma, a ferramenta Kepler para Kubernetes da IBM Red Hat visa ajudar as equipes de TI e DevOps a gerenciar o consumo de energia dos clusters Kubernetes.

Integrando o setor empresarial com IA sustentável

Explicar o valor empresarial da sustentabilidade pode ajudar a obter a adesão dos líderes, especialmente em setores estreitamente regulamentados e de evolução lenta, como a banca e as telecomunicações. Os profissionais de IA que desejam tornar o seu trabalho mais sustentável podem enfatizar as poupanças de custos associadas aos modelos de eficiência energética, por exemplo, bem como os riscos associados à violação dos protocolos de sustentabilidade.

Além disso, as empresas que realmente priorizam a sustentabilidade provavelmente estarão em melhor posição no longo prazo. À medida que as regulamentações evoluem, a adoção de uma abordagem que coloca a sustentabilidade em primeiro lugar preparará as empresas para o sucesso, em comparação com simplesmente brincar com cada nova política que surge. Portanto, fazer um esforço inicial para construir sistemas de IA mais sustentáveis poderia ajudar a evitar a necessidade de fazer alterações dispendiosas nas infraestruturas e nos processos no futuro.

Os compromissos de sustentabilidade também podem ajudar as empresas a atrair talentos num mercado de trabalho tecnológico ainda competitivo. Os candidatos estão cada vez mais interessados ​​nas abordagens dos potenciais empregadores relativamente aos objectivos ambientais e de sustentabilidade. Como resultado, estabelecer uma missão clara de sustentabilidade —e tomar medidas reais para apoiá-la— pode ajudar as empresas a atrair o talento de que necessitam.