A pegada hídrica da IA: o custo da sustentabilidade de grandes modelos de linguagem

Inteligência Artificial (IA) está se expandindo rapidamente em todos os setores, apoiado por Modelos de linguagem grande (LLMs) tais como GPT-4, Claude e Gemini. Esses modelos exigem grande poder computacional, tanto durante o treinamento quanto em uso regular. A crescente dependência desses sistemas tem levantado preocupações significativas sobre seu impacto ambiental.

Muita atenção tem sido dada a Consumo de energia da IA e emissões de carbono. No entanto, a discussão frequentemente ignora o uso de água. Grandes quantidades de água são usadas para resfriar data centers. A água também é consumida indiretamente na produção de energia e hardware de computação.

A crescente demanda global por serviços de IA aumenta a pressão sobre os já limitados recursos de água doce. Essa tendência impõe desafios à sustentabilidade, especialmente em áreas com estresse hídrico e riscos climáticos. Uma compreensão clara da pegada hídrica da IA é essencial. Ela apoia decisões informadas para um desenvolvimento responsável e um planejamento ambiental de longo prazo.

Como os modelos de IA consomem água

A execução de sistemas de IA em larga escala exige computação ininterrupta em data centers que processam bilhões de operações. Esse processo gera uma quantidade significativa de calor. Para evitar falhas de hardware e manter o desempenho ideal, o calor deve ser removido de forma eficaz. A maioria dos data centers utiliza sistemas de resfriamento evaporativo para essa finalidade. Esses sistemas dependem fortemente de água doce. Uma grande parte da água evapora durante o resfriamento e não pode ser reutilizada. Como resultado, o processo leva a altos níveis de retirada e consumo de água.

Pesquisadores começaram recentemente a medir o impacto do treinamento de IA na água. Um estudo de 2023 realizado por equipes da UC Riverside e UT Arlington Estima-se que treinar um único modelo grande consumiu mais de 700,000 litros de água limpa. Essa é aproximadamente a quantidade necessária para produzir 370 carros BMW. Isso demonstra a quantidade de água usada durante os estágios iniciais de desenvolvimento da IA avançada.

O uso de água continua mesmo após a conclusão do treinamento. A inferência, o processo de responder a solicitações do usuário, também é executada em sistemas de computação robustos. Esses sistemas operam 24 horas por dia em diversas partes do mundo. Cada solicitação do usuário aumenta a carga de trabalho computacional. Também aumenta a demanda por resfriamento. O total de água usada para inferência continua a crescer devido à ampla adoção de ferramentas de IA, como assistentes virtuais, chatbots e mecanismos de busca.

Estima-se que, em todo o mundo, os centros de dados consumam mais de 560 bilhões de litros de água anualmente, principalmente para resfriamento. Espera-se que esse número aumente acentuadamente até 2030. Um motivo significativo é a crescente demanda por serviços baseados em IA. Além do uso direto, a IA também causa consumo indireto de água. Isso ocorre durante a produção de eletricidade, especialmente em regiões que dependem de carvão ou energia nuclear. Essas fontes de energia requerem quantidades significativas de água para suas operações.

Essa crescente demanda por água evidencia uma séria preocupação. Há uma necessidade urgente de melhores sistemas de refrigeração, infraestrutura sustentável e relatórios transparentes sobre o uso da água. Sem medidas, a disseminação contínua da IA pode pressionar ainda mais o abastecimento de água doce. Isso é particularmente arriscado para locais que já enfrentam secas ou estresse climático.

Infraestrutura e Tecnologias de Refrigeração

Modelos de IA operam em chips de alto desempenho instalados em data centers em nuvem. Esses data centers exigem sistemas de resfriamento especializados para gerenciar o calor produzido pela computação contínua. O método mais utilizado é o resfriamento evaporativo, no qual água é pulverizada no ar ou em superfícies para absorver calor. Uma parcela significativa dessa água evapora e não pode ser reutilizada, resultando em altas taxas de retirada de água.

Para resolver esse problema, alguns data centers estão adotando métodos alternativos de resfriamento, como resfriamento por imersão em líquido e resfriamento direto no chipEssas técnicas utilizam fluidos termicamente condutores ou sistemas de refrigeração em circuito fechado para remover o calor dos processadores. Embora mais eficientes, ainda envolvem o uso indireto de água. Isso ocorre durante a configuração do sistema ou durante a geração de eletricidade, principalmente em regiões onde a energia é produzida a partir de carvão ou de fontes nucleares, que exigem grandes quantidades de água para a produção de vapor e o resfriamento.

As estratégias de resfriamento também variam dependendo do clima e da localização. Em áreas com escassez de água, os operadores de data centers estão abandonando o resfriamento evaporativo e, em vez disso, utilizando sistemas de ar ou de circuito fechado para reduzir o consumo de água. No entanto, essas alternativas geralmente exigem mais energia, criando um dilema entre economia de água e emissões de carbono.

Cada componente da infraestrutura de IA, desde a remoção de calor no nível do chip até o resfriamento completo das instalações e a geração de eletricidade, contribui para a pegada hídrica geral. A crescente demanda por IA exige melhorias nos sistemas de resfriamento e energia. Sem maior eficiência, a pressão sobre os recursos hídricos continuará a aumentar.

Influências geográficas e ambientais no consumo de água em data centers

O consumo de água em data centers é fortemente influenciado por sua localização geográfica e pelas condições ambientais locais. Em áreas com altas temperaturas, como Arizona ou Texas, os sistemas de resfriamento precisam trabalhar mais para manter os servidores em uma temperatura operacional estável. Isso leva ao aumento do uso de métodos de resfriamento evaporativo, nos quais a água é perdida como vapor e não pode ser reutilizada. Como resultado, esses data centers consomem significativamente mais água do que aqueles em regiões mais frias, como a Escandinávia. A umidade também desempenha um papel importante. Em climas secos, a evaporação é mais eficiente, o que melhora o desempenho do resfriamento, mas também aumenta o consumo de água.

A fonte e a disponibilidade de água também são cruciais. Data centers em regiões com escassez hídrica frequentemente dependem do abastecimento municipal de água, que pode já estar sob pressão. Isso pode levar à competição com as necessidades locais, como o acesso à água potável ou aos recursos agrícolas. Um exemplo bem conhecido é Centro de dados do Google em The Dalles, Oregon. O uso de água pela instalação gerou preocupação pública, especialmente porque a área estava passando por períodos de seca na época.

Além disso, o treinamento de grandes modelos de IA pode levar a picos repentinos na demanda por água. Esses picos podem não durar muito, mas ainda assim podem afetar os sistemas hídricos locais. Sem planejamento e previsão adequados, isso pode resultar em um desequilíbrio temporário no abastecimento de água, incluindo níveis mais baixos dos rios ou extração excessiva de água subterrânea. Essas mudanças podem prejudicar os ecossistemas locais e reduzir a biodiversidade.

Para enfrentar esses desafios, o planejamento de infraestrutura relacionada à IA deve considerar fatores locais específicos, como temperatura, abastecimento de água e limites legais de uso. A implantação sustentável exige políticas claras e um equilíbrio cuidadoso entre o crescimento tecnológico e a proteção ambiental. Isso inclui a colaboração com as comunidades locais, a compreensão dos direitos hídricos regionais e a seleção de sistemas de resfriamento adequados que utilizem a água de forma responsável.

Compromissos Corporativos e Lacunas de Transparência

Grandes empresas de IA estão cada vez mais conscientes de seu impacto ambiental e se comprometeram a aprimorar suas práticas de gestão de recursos hídricos. Google, Microsoft e Meta anunciaram planos para se tornarem positivas em termos de água até 2030. Isso significa que pretendem restaurar mais água do que consomem em suas operações globais. Seus esforços incluem restauração de bacias hidrográficas, coleta de águas pluviais, reciclagem de águas cinzas e apoio a projetos locais de conservação.

O Google planeja reabastecer 120% da água consome. Publica relatórios anuais de sustentabilidade que incluem dados de utilização e recuperação. Microsofadotou sistemas de resfriamento adiabáticos, que reduzem a evaporação e podem diminuir o uso de água em até 90% em comparação com torres de resfriamento tradicionais. Meta comprometeu-se a restaurar 200% da água utilizada em áreas de alto estresse e 100% da água utilizada em zonas de estresse médio, concentrando seus esforços onde a escassez de água é mais grave. Alguns data centers também começaram a utilizar sistemas de reúso no local ou coleta de água da chuva para complementar seu abastecimento.

Esses compromissos são relevantes porque o treinamento e a implantação de LLMs exigem data centers potentes. Essas operações consomem grandes quantidades de eletricidade e geram calor significativo, aumentando assim a demanda por resfriamento com uso intensivo de água. À medida que os serviços de IA se expandem globalmente, especialmente aqueles que envolvem LLMs, sua pegada ambiental também cresce. O uso responsável da água está se tornando uma parte essencial do desenvolvimento sustentável da IA.

Reduzindo a pegada hídrica da IA: passos simples e ação coletiva

Reduzir a pegada hídrica da IA requer uma combinação de tecnologia eficiente, planejamento criterioso e responsabilidade compartilhada. Do ponto de vista técnico, projetar modelos de IA menores e mais eficientes é um passo importante. Métodos como poda de modelos, quantização e destilação Ajuda a reduzir o tamanho do modelo e a carga computacional. Isso reduz o consumo de energia e a necessidade de água para resfriamento durante o treinamento e o uso.

Escolher o momento certo para o treinamento também é importante. Executar cargas de trabalho intensivas durante períodos mais frios pode reduzir a perda de água por evaporação. A localização dos data centers também desempenha um papel importante. Construir instalações em áreas com recursos hídricos sustentáveis ou próximas a fontes de energia renováveis, como eólica e solar, pode reduzir o uso indireto de água associado à geração de energia térmica. Avanços em algoritmos de IA, como a utilização de atenção esparsa ou designs de modelos mais eficientes, juntamente com hardware aprimorado, ajudam a reduzir o impacto ambiental geral.

Lidar com a pegada hídrica da IA exige um esforço colaborativo que vai além das empresas de tecnologia. Os governos desempenham um papel fundamental no estabelecimento de regras que exijam relatórios transparentes sobre o uso da água e promovam padrões de avaliação consistentes. Eles também podem tornar a obtenção sustentável de água uma condição para a aprovação de novos data centers. Grupos ambientalistas apoiam esse esforço monitorando as reivindicações, promovendo políticas mais rigorosas e responsabilizando o setor. As autoridades locais devem revisar os planos de infraestrutura com os recursos hídricos em mente, especialmente em áreas que já enfrentam dificuldades.

Usuários individuais também moldam a direção da IA. Ao escolher plataformas que reportam dados ambientais e se comprometem com a sustentabilidade, eles transmitem uma mensagem clara sobre o que importa. Desenvolvedores e pesquisadores devem considerar o consumo de água ao avaliar sistemas de IA. Ao mesmo tempo, universidades e centros de pesquisa podem criar ferramentas para medir e reduzir o uso de água com mais precisão.

Para progredirmos de fato, precisamos também nos concentrar na conscientização e em escolhas informadas. Muitas pessoas desconhecem que mesmo consultas simples de IA acarretam custos ambientais ocultos. Quando isso se torna amplamente conhecido, incentiva os usuários a exigir melhores práticas e motiva as empresas a agirem de forma responsável. Ao mesmo tempo, a rápida expansão de grandes modelos de IA continua a aumentar a pressão sobre os já limitados suprimentos de água doce. Isso torna essencial tratar o uso da água como parte fundamental do impacto ambiental geral da IA. Alcançar mudanças significativas exigirá um esforço coletivo de formuladores de políticas, desenvolvedores, empresas e usuários finais. Se tornarmos a gestão hídrica uma parte essencial de como a IA é projetada e implantada, podemos proteger recursos vitais e, ao mesmo tempo, colher os benefícios dos sistemas inteligentes.

Concluindo!

Reduzir a pegada hídrica da IA não é mais uma questão secundária. É um componente crucial no desenvolvimento de tecnologias sustentáveis. O treinamento e a operação de grandes modelos afetam o abastecimento de água doce, especialmente em regiões que já enfrentam estresse climático.

Para resolver isso, precisamos de modelos mais inteligentes, hardware de melhor qualidade e planejamento responsável de data centers. Mas o progresso real depende de mais do que apenas tecnologia. Governos, empresas, pesquisadores e usuários, todos desempenham um papel. Políticas claras, relatórios transparentes e conscientização pública podem ajudar a impulsionar melhores decisões. Ao incorporar o impacto da água em nossa reflexão inicial sobre IA, podemos evitar danos a longo prazo a recursos vitais.