A IA e seu impacto ambiental
Em um momento em que a Inteligência Artificial (IA) é cada vez mais universal, as preocupações sobre seu impacto ambiental têm crescido exponencialmente. Embora alguns críticos argumentem que a IA está destruindo o planeta, ainda não existem dados claros sobre o seu impacto ambiental. No entanto, um estudo recente da Mistral, uma empresa francesa desenvolvedora de vários modelos grandes de linguagem (LLMs) famosos, ilumina o assunto.
O estudo
O estudo analisou os impactos ambientais do LLM Mistral Large 2 nos primeiros 18 meses de sua existência. Em colaboração com a Carbone 4 e a agência francesa de transição ecológica (ADEME), a Mistral publicou um relatório revisado por pares que quantifica o impacto ambiental do LLM Mistral Large 2 em três indicadores-chave: emissões de gases de efeito estufa, consumo de água e uso de materiais.
LLM Mistral Large 2 foi lançado no ano passado.
A Escala do Impacto Ambiental da IA
O relatório da Mistral revela que o treinamento do modelo com 123 bilhões de parâmetros gerou aproximadamente 20 toneladas de CO₂ e consumiu 281.000 metros cúbicos de água. Essa quantidade de água equivale a cerca de 112 piscinas olímpicas. Já o consumo de materiais foi relativamente pequeno.
A quantidade estonteante de uso de água por LLMs é uma preocupação significativa, especialmente em regiões propensas à seca. Vale ainda lembrar que, com apenas 123 bilhões de parâmetros, o Mistral Large 2 está longe de ser um LLM realmente grande em comparação com modelos como DeepSeek e Kimi K2.
Outro fato que é importante notar é que o impacto ambiental real da execução do Mistral Large 2 treinado (fase de consultas), gera significativamente menos emissões de gases de efeito estufa e consome uma fração da água para cada solicitação. Ou seja, o dano causado por consultas individuais à IA é relativamente pequeno em comparação com outras tarefas comuns da Internet. Por exemplo, a geração de uma resposta com 400 tokens requer cerca de 45 ml de água e gera aproximadamente 1,14 gramas de CO₂. No entanto, ao considerarmos os efeitos agregados de bilhões de prompts de IA processados por GPUs ao longo do ano, a situação se torna mais complexa.
Por que tanta sede?
A razão para o consumo de água excessivo dos LLMs pode não parecer óbvia à primeira vista. Portanto, vamos a uma breve explicação.
Os datacenters de IA consomem muita energia e produzem calor como subproduto da execução dos modelos. Para evitar o superaquecimento desses equipamentos, os datacenters geralmente empregam uma forma de ar condicionado chamada torres de resfriamento. Essas torres funcionam como resfriadores evaporativos em escala industrial, evaporando a água para resfriar o ar.
Torres de resfriamento são extremamente eficientes em termos de energia, mas podem ser problemáticas em regiões propensas à seca, onde a água é escassa e cara. Além disso, por mais eficiente que esses sistemas sejam, se a necessidade de seu uso for extremamente alta, seu impacto ambiental será grande também.
Uma Chamada por Relatórios Padronizados
A Mistral reconhece que ainda há muito espaço para melhoria em termos de padronizações para os estudos sobre os impactos ambientais da IA, mas enfatiza a importância da transparência e da comparabilidade. A startup sugere que as empresas de IA devem publicar seus impactos ambientais utilizando marcos internacionalmente reconhecidos para criar um sistema de pontuação que ajude os compradores e usuários a identificar os modelos menos intensivos em carbono, água e materiais.
Conclusões
Em um estudo pioneiro sobre o impacto ambiental causado por um LLM, a Mistral revelou dados preocupantes e complexos. O treinamento de modelos de IA tem um impacto ambiental significativo, com as emissões de gases de efeito estufa representando 85,5% do impacto ambiental total. O consumo de água também é substancial, com o estudo estimando que o treinamento de um modelo como o Mistral Large 2 consome aproximadamente 281.000 metros cúbicos de água. A execução de modelos completos gera significativamente menos emissões de gases de efeito estufa e consome menos água do que o treinamento deles. Segundo a Mistral, uma solução para contornar esse impacto ambiental é o uso de modelos menores e específicos. Mas, por enquanto, a tendência que temos acompanhado vai na direção contrária.
