IA busca formas de reduzir suas necessidades de energia / foto: © AFP
IA busca formas de reduzir suas necessidades de energia
Graças às novas técnicas de resfriamento, chips mais potentes e avanços na programação, o setor da inteligência artificial (IA) está tentando limitar seu consumo de energia em um contexto de crescimento desenfreado.
A infraestrutura de IA depende de data centers, que, segundo a Agência Internacional de Energia (AIE), representarão cerca de 3% das necessidades mundiais de eletricidade até 2030, o dobro da proporção atual.
Nesta terça-feira (15), o presidente Donald Trump deve visitar a Pensilvânia para anunciar, de acordo com vários meios de comunicação locais, cerca de US$ 70 bilhões (R$ 389 bilhões, na cotação atual) de investimento em IA e infraestruturas energéticas neste estado do nordeste dos EUA.
A consultoria McKinsey cita uma "corrida" para construir centros suficientes para "lidar com a aceleração maciça no uso da IA", ao mesmo tempo em que alerta para a chegada de tempos de escassez.
Segundo Mosharaf Chowdhury, professor associado da Universidade de Michigan, há "várias formas" de resolver o problema, "uma delas é criar mais fontes de energia", um caminho no qual gigantes da IA também estão embarcando.
Outra é "reduzir a demanda" de eletricidade para uma capacidade equivalente, explica.
- Resfriamento por água -
Para este professor, as "soluções inteligentes" podem ser encontradas em todos os níveis da cadeia da IA, desde os hardwares aos algoritmos.
De acordo com Gareth Williams, da consultoria Arup, a energia necessária para manter um data center representa hoje 10% do que é consumido pelos próprios servidores, em comparação com 100% há 20 anos.
Esta redução pode ser atribuída, entre outras coisas, ao uso generalizado de resfriamento líquido ou por água em vez da ventilação convencional, que circula fluidos diretamente no interior dos servidores.
"Todas as grandes empresas estão buscando usar o resfriamento a água", diz Williams, porque chegou-se "em um ponto em que não há opção de não fazê-lo".
Os novos chips da liderança em IA, a gigante dos semicondutores Nvidia, aumentaram o consumo de energia de uma série de servidores em mais de 100 vezes em comparação há 20 anos.
Como resultado, o líquido pode atingir temperaturas muito mais altas do que antes, ressalta Williams, mas, paradoxalmente, isto facilita o seu resfriamento quando em contato com o ar externo, dada a diferença de temperatura.
No início de julho, a Amazon lançou um novo sistema de resfriamento líquido chamado IRHX, que pode ser instalado em um data center sem ser integrado à arquitetura inicial.
- "Ganhar menos dinheiro" -
Outro avanço é que os data centers agora estão equipados com sensores que podem ser usados pela IA para controlar a temperatura em "áreas muito pequenas" e "otimizar o consumo de água e eletricidade" com antecedência, segundo Pankaj Sachdeva, sócio-sênior da McKinsey.
O laboratório de Mosharaf Chowdhury desenvolveu algoritmos para avaliar com precisão a quantidade de eletricidade que cada chip precisa para funcionar, com potencial de economia de 20 a 30%. Também foram feitos avanços nos próprios microprocessadores.
"Com cada geração de chips e esboço de GPUs (unidades de processamento gráfico) em nível de semicondutores, estamos começando a nos tornar mais eficientes", lembrou Sachdeva.
A equipe liderada por Yi Ding, professor da Universidade Purdue, em Indiana, mostrou que é possível prolongar a vida útil dos chips de IA mais potentes, GPUs ou placas gráficas, "sem sacrificar o desempenho", disse ele à AFP.
"É muito difícil convencer os fabricantes de chips a ganhar menos dinheiro" e incentivar os consumidores a usar os mesmos equipamentos por mais tempo, acrescenta.
- Recurso limitado -
Estas mudanças também ocorrem na programação e no treinamento de modelos de IA generativa em larga escala.
Em janeiro, a empresa chinesa DeepSeek revelou seu modelo de IA generativa R1, cujo desempenho é semelhante ao dos principais atores americanos, embora tenha sido desenvolvido com GPUs menos potentes.
Engenheiros da startup conseguiram tal feito programando as placas gráficas com maior precisão. Também praticamente pularam um estágio de treinamento no modelo, antes considerado indispensável.
Entretanto, apesar destes avanços tecnológicos, "não há como reduzir o consumo de energia devido a algo chamado paradoxo de Jevons", prevê Ding.
O economista britânico William Stanley Jevons (1835-1882) afirmou que o uso mais eficiente de um recurso limitado aumenta mecanicamente a demanda à medida que seu custo diminui.
"É muito provável que ela continue aumentando", adverte Ding, apesar dos esforços para limitá-la, "mas talvez em uma velocidade menor".
D.Wang--ThChM
