Desafios éticos, jurídicos e de governança para o desenvolvimento de sistemas de IA voltados à sustentabilidade ambiental 22 limitações na cobertura temporal, distribuição geográfica, preconceitos de contextos ecológicos, climáticos ou socioecológicos transferidos e usados em ambientes diferentes (Galaz et al., 2021). O segundo risco sistêmico apontado por Galaz et al. (2021) refere-se ao acesso, benefícios e impactos desiguais que ocorre em ambientes de restrição de recursos e acesso desigual às tecnologias de informação e comunicação. Nesse cenário de desigualdade, encontram-se os pequenos agricultores de países pobres ou em desenvolvimento que não têm acesso à agricultura baseada em dados. Além do acesso desigual às tecnologias com sistemas de IA para a agricultura, também há a questão da concentração de capital e o aprofundamento das desigualdades regionais. Como terceiro risco sistêmico, Galaz et al. (2021) apontam a possibilidade de ocorrer falhas em cascata e ataques aos sistemas. Para os autores, a “IA e as tecnologias associadas criam inúmeras novas interações complexas não apenas entre humanos e máquinas, e máquinas e máquinas, mas também cada vez mais com máquinas e ecossistemas, e com o sistema terrestre como um todo”. Riscos de cibersegurança e falhas internas podem surgir inesperadamente e atingir não apenas o sistema de produção de alimentos, mas também toda a cadeia de abastecimento alimentar, criando falhas no sistema como um todo (Galaz et al., 2021) que podem ser catastróficas. Grandes centros de computação são desenvolvidos para dar conta do expressivo aumento de volume de dados e da sofisticação e complexidade exigida para desenvolver sistemas de IA. Os centros de computação exigem um intenso uso de energia, o que gera uma grande pegada ecológica, resultando em questionamentos se a IA pode ser considerada parte da solução ou do problema da sustentabilidade (Kopka & Grashof, 2022). Supercomputadores são responsáveis por um volume expressivo de emissões de carbono e a IA tem a sua própria pegada de carbono que vai depender do tipo de IA, da quantidade de dados armazenados e processados e de como ela é treinada, Devido às elevadas exigências energéticas, modelos de processamento de linguagemnatural apresentamuma grande pegada de carbono e isso deve ser considerado para avaliar a sustentabilidade da IA. Modelos que utilizam aprendizagem profunda também utilizammais recursos energéticos, ampliando a pegada de carbono
RkJQdWJsaXNoZXIy MjEzNzYz