23 Haide Maria Hupffer, Adriano Sbaraine e Danielle Paula Martins em relação a modelos que usam a aprendizagem de máquina (Gaur, Afaq, Arora & Khan, 2023). Colaboram com as inquietações Luccioni, Lacoste e Schmidt (2020) que elencam fatores commaior impacto nas emissões de carbono de sistemas de IA. Modelos de Machine Learning, treinados na nuvem utilizam a energia na qual estão conectados, o que possibilita que sejam escolhidas redes energéticas ambientalmente mais sustentáveis. Os autores ao analisarem os três principais provedores de nuvem (Google Cloud Platform, Microsoft Azure e Amazon Web Services) constataramque as emissões podem ter grandes variações entre regiões e mix energético da rede. Como exemplo citam que no Canadá, mais precisamente na região de Quebec que depende mais da hidroeletricidade, a pegada de carbono é de 20 gramas por kWh. Ao realizarem o estudo em Queensland, na Austrália, constataram que pegada de carbono pode chegar a 800 gramas de carbono por kWh, visto que neste local a rede de energia é dependente de combustíveis fósseis. Além do mix das redes de energia, também é preciso considerar que hardware de computação são cada vez mais complexos e exigem um tempo maior de treinamento, o que pode significar um aumento nas emissões de carbono (Luccioni et al., 2020). Nessa linha de pesquisa, Iglecias e Ferrari (2024, p. 104) pontuam que os principais impactos ambientais da IA “abrangem a energia computacional e dos hardwares usados para o treinamento, desenvolvimento e a execução dos algoritmos da IA”. Uma parte dos impactos ambientais da IA pode ser encontrado nas fases do ciclo de vida do modelo de Machine Learning, contudo quanto maior for a disponibilização de acesso à informação, mais recursos naturais são explorados, o que na perspectiva dos autores deve receber maior atenção dos pesquisadores. Como exemplo, Iglecias e Ferrari (2024, p. 103) citam que parte dos lucros gerados por petroleiras é obtido com o auxílio da cloud computing e com sistemas de IA que auxiliam “na descoberta, extração, distribuição, refinação e comercialização de petróleo e gás”. Dependendo do que a IA entrega ao mercado e o efeito em cascata das aplicações, pode-se exacerbar a pegada de carbono (Iglecias & Ferrari, 2024, p. 104-105). Nos Estados Unidos, aproximadamente 2% da eletricidade é utilizada por data centers onde a IA é treinada. Por área útil, os data centers consomem de 10 a 50 vezes mais energia do que um prédio
RkJQdWJsaXNoZXIy MjEzNzYz