Potenciar a IA sustentável

Utilizar a IA com infraestruturas mais inteligentes. Estão em curso avanços nas tecnologias de computação em memória (CIM) e de processamento em memória (PIM), que integram hardware e software de forma mais eficiente, e na computação neuromórfica, que imita o cérebro humano para processar dados de forma mais eficiente.

Usar modelos leves e ecossistemas abertos. Os modelos leves de IA e os formatos de computação de baixa precisão, como o ponto flutuante a 8 bits (FP8), reduzem os requisitos de memória e permitem uma computação mais rápida, utilizando assim menos energia para treinar e implementar grandes modelos de IA.

Adotar a prática de IA de ponta. As aplicações de IA de ponta melhoram o desempenho e reduzem as emissões ao processarem os dados localmente nos dispositivos, o que é ótimo para as indústrias que dependem do processamento de dados em tempo real, como a indústria transformadora, os cuidados de saúde, o retalho e os serviços financeiros.

Adotar um escalonamento dinâmico e um equilíbrio de carga inteligente. Ao fazer corresponder a utilização de energia aos volumes de trabalho de IA, empresas como a Meta e a Google estão a reduzir o consumo de energia e as emissões, ao mesmo tempo que satisfazem a procura cada vez maior de ferramentas de IA.

Monetizar os centros de dados. Os mercados de computação de IA e as plataformas de partilha de GPU permitem que indivíduos e empresas rentabilizem recursos de computação ociosos, transformando-os em ativos valiosos para IA e outras aplicações.

Otimizar a localização dos centros de dados. As empresas estão a agendar cargas de trabalho de IA para horários e locais onde há energia mais limpa disponível e estão mesmo a explorar formas de aproveitar a energia solar e o arrefecimento natural na superfície lunar.

Integrar opções de energia de baixo carbono. Os pequenos reatores modulares (SMR) constituem uma via fiável para o fornecimento consistente de energia, reduzindo simultaneamente a dependência dos combustíveis fósseis. Parcerias recentes realçam a dinâmica crescente em direção a infraestruturas de IA alimentadas por energia nuclear.

Utilizar inovações de arrefecimento que permitam poupar água. O arrefecimento líquido direto ao chip, o arrefecimento sem evaporação e os sistemas de reutilização de calor podem minimizar o consumo de água e de energia. Os sistemas de arrefecimento em circuito fechado e a reciclagem de águas residuais podem potencialmente produzir poupanças de água na ordem dos 50 a 70%.

Escolher modelos de IA do tamanho certo. Plataformas como o Accenture Model Switchboard otimizam a implantação de IA selecionando modelos económicos para as tarefas. A geração aumentada por recuperação (RAG) melhora a eficiência acedendo aos dados apenas quando necessário, enquanto as abordagens híbridas baseadas em regras de IA podem melhorar ainda mais o desempenho.

Incentivar a eficiência. Faça a transição de preços fixos de IA para modelos de preços baseados na utilização ou na eficiência para otimizar como e quando os recursos de IA são consumidos.

Consumos negativos. Utilize a IA para minimizar os impactos da IA. Os sistemas AVAC orientados por IA podem reduzir o consumo de energia, a logística preditiva pode reduzir as emissões dos transportes e as redes inteligentes alimentadas por IA podem otimizar a distribuição de eletricidade.

Encarar a sustentabilidade no âmbito da IA como um princípio de governança. A monitorização de energia em tempo real está agora a ser utilizada juntamente com os KPI tradicionais para acompanhar a intensidade de carbono da IA e a eficiência energética, fornecendo um conjunto de dados mais amplo para apoiar iniciativas de sustentabilidade.

Automatizar as políticas de governança. A automatização orientada por IA pode ajudar a aplicar políticas de sustentabilidade, gerir riscos ambientais e facilitar a seleção da infraestrutura mais sustentável para a implementação de cada modelo.

Ajudar a definir normas para a IA. Estão em curso iniciativas para definir normas globais uniformes e moldar as normas de sustentabilidade da IA, proporcionando uma rara oportunidade para as empresas influenciarem as políticas de conceção de IA inteligentes que conciliem inovação e sustentabilidade.