o banco destino, tudo bem? Lembre-se saques só podem sendo realizados para do mesmo titular da sua conta 💶 Luva é Só pode
O boom da inteligência artificial impulsiona as ações de grandes tecnologias para novos recordes, mas ameaça os objetivos climáticos do ☀️ setor
A pergunta é: a tecnologia será capaz de reduzir o custo ambiental da inteligência artificial, ou a indústria seguirá ☀️ frente, ignorando o problema, porque a recompensa pela supremacia é tão grande?
Por que a inteligência artificial ameaça os objetivos climáticos ☀️ das empresas de tecnologia?
Os datacenters são uma parte essencial do treinamento e operação de modelos de inteligência artificial, como o ☀️ Gemini da Google ou o GPT-4 da OpenAI. Eles contêm o equipamento de computação sofisticado, ou servidores, que processam grandes ☀️ volumes de dados subjacentes a sistemas de inteligência artificial. Eles requerem grandes quantidades de eletricidade para funcionar, o que gera ☀️ CO2 dependendo da fonte de energia, além de criar CO2 "incorporado" do custo de fabricação e transporte do equipamento necessário.
De ☀️ acordo com a Agência Internacional de Energia, o consumo total de eletricidade de datacenters pode duplicar de 2024 a 1.000 ☀️ TWh (terawatt horas) 2026, equivalente à demanda de energia do Japão, enquanto a empresa de pesquisa SemiAnalysis calcula que ☀️ a inteligência artificial resultará datacenters utilizando 4,5% da geração global de energia até 2030. O uso de água também ☀️ é significativo, com um estudo estimando que a inteligência artificial pode representar até 6,6 bilhões de metros cúbicos de uso ☀️ de água até 2027 – quase dois terços do consumo anual de água da Inglaterra.
O que especialistas dizem sobre o ☀️ impacto ambiental?
Um relatório recente do governo do Reino Unido sobre a segurança da inteligência artificial afirma que a intensidade de ☀️ carbono do combustível fóssil usado pelas empresas de tecnologia é uma "variável chave" no cálculo do custo ambiental da tecnologia. ☀️ No entanto, ele adiciona que uma "parte significativa" do treinamento de modelos de inteligência artificial ainda depende de energia proveniente ☀️ de combustíveis fósseis.
As empresas de tecnologia realmente estão adquirindo contratos de energia renovável um esforço para atingir seus objetivos ☀️ ambientais. A Amazon, por exemplo, é o maior comprador corporativo de energia renovável do mundo. Alguns especialistas argumentam, no entanto, ☀️ que isso empurra outros usuários de energia para combustíveis fósseis, porque não há energia limpa suficiente para atender a todos.
Há ☀️ energia renovável suficiente para atender a demanda?
Os governos globais planejam triplicar as fontes de energia renovável do mundo até o ☀️ final da década para reduzir o consumo de combustíveis fósseis linha com os objetivos climáticos. No entanto, a ambiciosa ☀️ meta, acordada na COP28 do ano passado, está dúvida e especialistas temem que um aumento agudo na demanda de ☀️ energia dos datacenters de inteligência artificial possa empurrá-lo ainda mais para além do alcance.
A Agência Internacional de Energia, o órgão ☀️ de vigilância energética mundial, alertou que, mesmo com o crescimento recorde da capacidade de energia renovável global 2024, o ☀️ mundo pode apenas duplicar sua energia renovável até 2030 com base nos planos atuais dos governos.
Como podemos construir novos projetos ☀️ de energia renovável mais rápido?
Os projetos de energia renovável terrestre, como parques eólicos e solares, são relativamente rápidos de serem ☀️ construídos – podem levar menos de seis meses para serem desenvolvidos. No entanto, regras de planejamento lentas muitos países ☀️ desenvolvidos, junto com um engarrafamento global na conexão de novos projetos à rede elétrica, podem adicionar anos ao processo. Os ☀️ parques eólicos offshore e as usinas hidrelétricas enfrentam desafios semelhantes, além de tempos de construção de entre dois e cinco ☀️ anos.
A demanda de eletricidade da inteligência artificial crescerá para sempre?
As regras normais de oferta e demanda sugeririam que, à medida ☀️ que a inteligência artificial BR mais eletricidade, o custo da energia aumenta e a indústria é forçada a economizar. No ☀️ entanto, a natureza única da indústria pode significar que as maiores empresas do mundo possam decidir simplesmente gastar bilhões de ☀️ dólares com spikes no custo da eletricidade.
As maiores e mais caras datacenters na indústria de inteligência artificial são aqueles usados ☀️ para treinar "modelos de ponta", sistemas como o GPT-4o e o Claude 3.5, que são mais poderosos e capazes do ☀️ que qualquer outro. A liderança neste campo muda ao longo dos anos, mas a OpenAI geralmente está no topo, disputando ☀️ posição com a Anthropic, fabricante do Claude, e o Gemini da Google.
Já, a competição "de ponta" é pensada como "ganha-tudo", ☀️ com pouco impedindo que os clientes mudem para o líder mais recente. Isso significa que se uma empresa gasta 100 ☀️ milhões de dólares uma corrida de treinamento para um novo sistema de inteligência artificial, seus concorrentes têm que decidir ☀️ gastar ainda mais ou desistir da corrida.
Pior, a corrida para a chamada "AGI", sistemas de inteligência artificial capazes de fazer ☀️ tudo o que uma pessoa pode fazer, pode significar que seria vantajoso gastar centenas de bilhões de dólares uma ☀️ única corrida de treinamento – se isso levasse sua empresa a monopolizar uma tecnologia que poderia, como diz a OpenAI, ☀️ "elevar a humanidade".
Os fabricantes de inteligência artificial não aprenderão a usar menos eletricidade?
Todos os meses, há novos avanços na tecnologia ☀️ de inteligência artificial que permitem que as empresas façam mais com menos. Em março de 2024, por exemplo, um projeto ☀️ da DeepMind chamado Chinchilla mostrou aos pesquisadores como treinar modelos de inteligência artificial de ponta usando radicalmente menos poder de ☀️ computação, alterando a proporção entre a quantidade de dados de treinamento e o tamanho do modelo resultante.
Mas isso não resultou ☀️ sistemas de inteligência artificial usando menos eletricidade; vez disso, resultou no mesmo nível de eletricidade sendo usado para ☀️ produzir sistemas de inteligência artificial ainda melhores. Nos economics, esse fenômeno é conhecido como "paradoxo de Jevons", nomeado após o ☀️ economista que observou que a melhoria do motor a vapor de James Watt, que permitiu o uso muito menor de ☀️ carvão, levou a um grande aumento no uso do combustível fóssil na Inglaterra. Como o preço do poder a vapor ☀️ caiu após a invenção de Watt, novos usos foram descobertos que não seriam viáveis quando o poder era caro.