América Latina. Não existe inteligência artificial sem energia: um data center dedicado exclusivamente a produtos e serviços de IA consome hoje tanta eletricidade quanto 100.000 residências, segundo a Agência Internacional de Energia (AIE).
Nos últimos anos, a inteligência artificial deixou de pertencer exclusivamente ao mundo da pesquisa para conquistar cada vez mais espaços em nossas vidas, o que tem sido acompanhado por um aumento significativo em suas necessidades energéticas.
De acordo com o IEA, os data centers atualmente consomem 1,5% de toda a eletricidade produzida no mundo e, se nada mudar, sua demanda de energia dobrará até o final da década.
No caminho para promover mudanças e reduzir a pegada energética da IA, dois estudos da Universidade Aberta da Catalunha (UOC), com a participação dos pesquisadores Fernando Sevilla Martínez e Laia Subirats Maté, do grupo NeuroADaS Lab (Neurociência Cognitiva e Ciência de Dados Aplicada), propõem alternativas para uma IA mais sustentável e eficiente e, Além disso, é mais acessível. Os artigos foram publicados em acesso aberto nas Cartas de Networking do IEEE e no International Journal of Intelligent Systems.
"A eficiência energética deve se tornar um parâmetro central no design da IA. Não se trata apenas de tornar modelos mais rápidos ou com melhor desempenho, mas de torná-los sustentáveis, éticos e acessíveis", diz Subirats Maté, também professor associado na Faculdade de Ciência da Computação, Multimídia e Telecomunicações da UOC. "Projetar IA energeticamente eficiente não apenas beneficia o planeta, mas também permite que a IA seja implantada em pequenos dispositivos como robôs e sensores, reduza custos operacionais para empresas e data centers, e melhore a resiliência em ambientes com conectividade ou energia limitada."
Redes neurais mais ecológicas
O primeiro dos trabalhos publicados, liderado pelo doutorando Fernando Sevilla Martínez da UOC e com a participação da Universitat Autònoma de Barcelona, do Centre de Visió per Computador (CVC/UAB), do Centro de Tecnologia de Telecomunicações da Catalunha (CTTC) e do grupo Volkswagen, demonstrou que é possível desenvolver redes neurais de impulso de baixo consumo e alto desempenho (um tipo de IA que imita o funcionamento do cérebro humano) usando componentes baratos e acessíveis, como o Raspberry Pi 5 e o acelerador BrainChip Akida. Este estudo abre caminho para redes de inteligência artificial distribuídas energeticamente eficientes, aplicáveis em áreas como transporte, monitoramento ambiental ou a Internet das Coisas (IoT) industrial.
"A metodologia que propomos nos permite treinar, converter e executar esses modelos de redes neurais de impulso sem a necessidade de uma unidade de processamento gráfico ou conexão com um data center ou a nuvem, com um consumo inferior a dez watts de energia", detalham os autores. "Além disso, graças a outras tecnologias como Message Queuing Telemetry Transport, Secure Shell e comunicação Vehicle-to-Everything, múltiplos dispositivos podem colaborar em tempo real e compartilhar resultados em menos de um milissegundo, com um gasto energético de apenas dez a trinta microjoules por operação."
Segundo os pesquisadores, isso não só tem implicações do ponto de vista do consumo de energia, mas também do ponto de vista social e ético, pois permite que a IA esteja disponível para qualquer pessoa e reforça a privacidade dos dados. Isso possibilita que escolas ou hospitais, áreas rurais com infraestrutura limitada ou grupos de cidadãos com poucos recursos utilizem inteligência artificial eficiente, sustentável, acessível e distribuída.
Rumo à direção autônoma eficiente
O segundo dos estudos, também liderado por Fernando Sevilla Martínez da UOC e com os mesmos participantes do anterior, analisa em detalhes como as redes neurais de impulso podem reduzir o consumo de energia dos sistemas de direção autônoma, em comparação com as redes convolucionais, amplamente utilizadas em sistemas de visão artificial, como os usados em alguns veículos autônomos. Para isso, eles comparam ambas as tecnologias em tarefas como prever ângulos de giro no volante ou detectar obstáculos. A proposta dos pesquisadores também envolve a introdução de uma nova forma de medir a eficiência real dos sistemas, a fim de alcançar um melhor equilíbrio entre precisão e consumo de energia.
"Os testes que realizamos com diferentes arquiteturas mostram que redes neurais de impulso com certo código alcançam um equilíbrio ótimo entre desempenho e baixo consumo, e consomem entre dez e vinte vezes menos energia do que redes convolucionais", explicam pesquisadores do grupo NeuroADaS Lab da UOC, vinculado ao eHealth Centre. "Isso demonstra que redes neurais podem impulsionar uma IA mais sustentável mesmo sem a necessidade de hardware especializado, marcando um marco fundamental para a computação eficiente em transporte inteligente e autônomo", acrescentam.
Segundo os autores, ambos os estudos fornecem dados valiosos em pesquisas para alcançar sistemas de IA que consomem menos energia e, portanto, também sejam mais acessíveis e acessíveis. "O primeiro trabalho oferece um fluxo de trabalho prático com menor demanda elétrica, menor geração de calor e a possibilidade de implantar IA diretamente sem data centers, o chamado edge computing", concluem. "E a segunda introduz uma métrica que combina desempenho e consumo de energia, permitindo que impulsionemos o design de uma IA mais sustentável."
