O futuro da inteligência artificial e da eficiência energética

A inteligência artificial (IA) já está mudando a forma como vivemos e trabalhamos, e tem o potencial de revolucionar os setores e o mundo em geral. Espera-se que ela produza um valor de trilhões (link externo ao site ibm.com), fazendo de tudo, desde melhorar as previsões de eventos climáticos catastróficos até acelerar a descoberta e o fornecimento de medicamentos que salvam vidas. 

Indivíduos estão utilizando essa tecnologia como assistentes virtuais e copilotos. Empresas e funcionários estão implementando-a para alcançar eficiência em diversas áreas-chave, como atendimento ao cliente, finanças e outras áreas.

Em maio, um relatório da McKinsey (link externo ao site ibm.com) revelou que o número de organizações que utilizam IA generativa (gen IA) quase dobrou, chegando a 65% nos últimos 10 meses. Um estudo recente do IBM Institute for Business Value (IBV) constatou que 77% dos entrevistados acreditam que precisam adotar rapidamente a IA generativa para acompanhar os clientes. 

O rápido crescimento na adoção da IA também resultou em aumentos significativos no consumo de energia. A energia é necessária tanto para construir e treinar os modelos de IA quanto para executar os cálculos complexos que o modelo realiza toda vez que é solicitado a fornecer informações ou gerar conteúdo.

A Agência Internacional de Energia (IEA) (link fora de IBM.com) sugeriu que integrar a IA em ferramentas existentes, como mecanismos de busca na internet, pode resultar em um aumento de dez vezes na demanda por eletricidade. Até 2030, a IEA projeta que a participação da eletricidade global que alimenta data centers dobrará.

A IA não é a primeira tecnologia a levantar desafios relacionados ao consumo de energia. Preocupações semelhantes foram causadas pela computação em nuvem no início dos anos 2000, mas foram evitadas por meio de inovações em eficiência (link externo ao site ibm.com). No entanto, à medida que a adoção da IA continua e as empresas buscam eletricidade estável e acessível em mercados de energia competitivos, o tema está no topo das prioridades de muitos executivos.

Mesmo durante o auge da IA, muitas empresas continuam a perseguir metas ambiciosas de sustentabilidade. 45% das empresas do S&P 500 (link externo ao site ibm.com) assumiram compromissos de neutralidade nas emissões de carbono, e a Gartner compartilhou que 42% dos executivos (link externo ao site ibm.com) consideram seus esforços de sustentabilidade um diferencial importante. 

Consequentemente, muitas empresas estão lidando com um desafio duplo: incorporar o uso crescente de energia impulsionado por IA em seus objetivos de sustentabilidade e, ao mesmo tempo, apoiar iniciativas do setor para tornar a IA mais sustentável em relação ao consumo de energia.

Ninguém espera que a adoção de IA desacelere, pois muitas empresas e executivos a consideram uma parte indispensável de seu futuro. Conciliar essas duas ambições, aproveitar os benefícios da IA enquanto avançam nos compromissos de neutralidade nas emissões de carbono, exige uma abordagem inteligente.

Felizmente, vários especialistas do setor estão trabalhando em uma variedade de soluções. Essas soluções são:

• .
• Melhorias de hardware
• Modelos menores
• Treinamento de modelo mais inteligente
• Uso de energia limpa e renovável
  
• Código aberto e colaboração

O uso de hardware com limitação de potência demonstrou reduzir o consumo de energia em até 15%, aumentando o tempo para retornar um resultado em apenas 3%, uma diferença quase imperceptível.

O consumo de energia da IA também pode ser reduzido com o uso de hardware eficiente em carbono (link externo ao site ibm.com), que, de acordo com o MIT, “alinha um modelo com a combinação de hardware mais eficiente em carbono.” 

Novos e aprimorados chips são outra solução para questões energéticas. A IBM recentemente divulgou detalhes de sua arquitetura para o futuro IBM® Telum II Processor e IBM Spyre Accelerator, projetados para reduzir o consumo de energia baseado em IA e a pegada dos data centers quando lançados em 2025.

De modo geral, modelos maiores, como os grandes modelos de linguagem generalistas (LLMs) utilizados pelo ChatGPT e pelo Google Gemini,—demandam mais energia (link externo ao site ibm.com) do que os modelos menores. Esses modelos generalistas são úteis para atender a necessidades amplas de consumidores, mas, para empresas com casos de uso específicos (link externo ao site ibm.com), a IBM e outras organizações sugerem modelos menores, mais eficientes, econômicos e com menor consumo de energia.

Os métodos existentes para treinar modelos demandam uma quantidade significativa de energia, pois os desenvolvedores de IA frequentemente utilizam vários modelos anteriores (link externo ao site ibm.com) como ponto de partida para treinar novos modelos. Executar todos esses modelos aumenta a energia necessária.

No entanto, os pesquisadores estão tentando prever melhor quais modelos estão superando ou não as expectativas, interrompendo os modelos de baixo desempenho antecipadamente para economizar energia. Tudo isso faz parte do crescente movimento de "design para sustentabilidade", que define parâmetros de carga de trabalho para usar melhor a energia de forma eficiente.

Todas as empresas devem buscar construir ou utilizar data centers que estejam próximos de áreas (link externo ao site ibm.com) onde haja abundância de energia renovável. Obter recursos de data centers verdes, que utilizam energia renovável e sustentável, é uma ótima maneira de reduzir o impacto ambiental.

Empresas que operam no espaço de IA não devem permitir que a competição excessiva impeça o compartilhamento de dicas e ferramentas (link fora de IBM.com) que possam ajudar a sociedade a aproveitar os benefícios dos modelos de IA com menor demanda energética.

A IBM colaborou com a Universidade de Columbia (link fora de ibm.com) para produzir soluções significativas para a crise de energia, incluindo modelagem de como a IA se comporta em diferentes hardwares, desenvolvimento de chips de menor potência, eliminação do inchaço de software e otimização de sistemas de IA.

Além dessas diversas abordagens, a própria IA pode ajudar na resolução de problemas relacionados às suas necessidades energéticas.

Um estudo recente da IBM revelou que 74% das empresas entrevistadas no setor de energia e serviços públicos estão adotando IA para enfrentar desafios relacionados a dados. Isso pode ajudar a aumentar a eficiência, reduzindo seu impacto ambiental. Desde manutenção de redes até previsão de carga (link externo ao site ibm.com), a IA tem potencial para causar um grande impacto no setor de energia, permitindo que a energia seja entregue de forma mais eficiente a todos os outros setores.

A IBM assumiu um papel de liderança na transição para a energia limpa, criando o Clean Electrification Maturity Model (CEMM) em coordenação com a APQC, para ajudar empresas de energia a realizarem avaliações de maturidade, estabelecerem benchmark de seus resultados e acelerarem suas transições energéticas.

O mesmo estudo mostrou que, até o final de 2024, 63% das empresas pesquisadas planejam aplicar IA generativa em iniciativas de TI sustentáveis. No entanto, apenas 23% estão atualmente considerando avaliações de sustentabilidade durante as etapas de design e planejamento de projetos de TI de forma significativa. Isso precisa mudar.

É muito bom que já exista uma discussão robusta sobre o uso de energia e a IA, e espera-se que mais avanços para reduzir o consumo de energia sigam os que já estamos alcançando.

A IBM está especialmente comprometida em ajudar a identificar modelos menores e mais eficazes, bem como hardware mais inteligente, para minimizar o uso de energia. Melhorar a IA enquanto se reduz o consumo de energia cria ainda mais oportunidades para integrar a tecnologia em nossas vidas diárias. A probabilidade de que o uso de IA possa ajudar o mundo a resolver seus maiores desafios ambientais torna o objetivo de minimizar o uso de energia ainda mais importante.