Estudo da ONU: a IA vai consumir 9,3 biliões de litros de água em 2030, o equivalente às necessidades de 1,3 mil milhões de pessoas

A investigadora do Instituto das Nações Unidas para a Água, Ambiente e Saúde (UNU-INWEH) Miriam Aczel (autora principal do relatório) alertou, a 7 de Junho, que, até 2030, as instalações de centros de dados que executam sistemas de IA poderão consumir, por ano, 9,3 biliões de litros de água, o que corresponde à necessidade anual básica de água de 1,3 mil milhões de pessoas na África subsariana.

Três estimativas confirmadas de recursos para 2030

De acordo com o relatório do UNU-INWEH, os três principais números de estimativa de recursos são os seguintes: consumo anual de água de 9,3 biliões de litros (equivalente à necessidade anual básica de água de 1,3 mil milhões de pessoas); consumo de electricidade de 945 terawatts-hora; e necessidade de terreno superior a 14.500 quilómetros quadrados (abrangendo locais, infraestruturas energéticas e cadeia de abastecimento).

O professor de engenharia da Universidade da Califórnia, Riverside, Ren Shaolei (através da versão em inglês do The National Reporter) afirmou: “Este relatório chega a tempo e é importante por nos recordar que a IA não se limita aos modelos e aos algoritmos; também produz impactos físicos e ambientais reais nos centros de dados, nos sistemas eléctricos, nos sistemas de abastecimento de água, na utilização do solo e na cadeia de fornecimento de hardware.”

Mecanismo confirmado do consumo de recursos pela IA

A inferência de IA (ou seja, uso no quotidiano, não o treino) representa entre 80% e 90% do consumo total de energia da IA, tornando o uso diário rotineiro a principal fonte de consumo de recursos. O ChatGPT processa cerca de 2,5 mil milhões de prompts por dia; uma única conversa padrão de um chatbot consome muito mais energia do que uma tarefa simples de classificação. Alex Hernandez, investigador do Quebec AI Institute, referiu que, neste momento, o consumo de energia dos sistemas de IA continua difícil de medir com precisão, o que limita a exactidão das previsões.

Perguntas frequentes

Qual é a base de cálculo da previsão de 9,3 biliões de litros de água do UNU-INWEH?

A estimativa de consumo de água do UNU-INWEH abrange dois níveis: a utilização directa de água pelos sistemas de arrefecimento dos centros de dados (pegada hídrica) e o uso indirecto de água associado à produção de electricidade. O relatório inclui o consumo de água das fontes de energia no quadro de cálculo, e não se limita ao consumo directo de água nos próprios locais dos centros de dados. Alex Hernandez assinalou que, actualmente, os dados do consumo de energia das instalações de IA continuam difíceis de medir com precisão, pelo que esta estimativa tem incertezas inerentes.

Por que razão as medidas de redução de emissões de carbono levam a um aumento do consumo de água em mais de 30 vezes?

Com base na análise de investigação do UNU-INWEH, a mudança da electricidade dos centros de dados de carvão para energias biológicas é um caminho comum de redução de carbono, podendo diminuir as emissões de carbono em cerca de 70%; no entanto, o cultivo de energias biológicas exige grandes quantidades de água para irrigação e ocupa também muito terreno agrícola, levando a um aumento do consumo de água em mais de 30 vezes e a uma subida da utilização do solo em cerca de 100 vezes. Aczel salientou que, ao considerar apenas as emissões de carbono como métrica do impacto ambiental, esses custos de recursos hídricos e de terreno ficam ocultos.

Os modelos de IA mais eficientes conseguem reduzir significativamente o consumo de recursos hídricos?

O relatório do UNU-INWEH refere o risco do “efeito de retorno”: a IA mais barata e eficiente pode reduzir o consumo de recursos por utilização, mas a redução de custos costuma levar a um aumento acentuado da frequência de utilização, acabando por tornar o consumo total de recursos superior ao nível anterior à melhoria de eficiência. Assim, saber se o aumento de eficiência dos modelos consegue, a nível macro, reduzir o impacto da IA nos recursos hídricos depende de se o ritmo de crescimento da dimensão de utilização excede ou não a amplitude da melhoria de eficiência.