Qual IA é Mais Verde? Estudo Revela Diferenças nas Emissões

Uma nova pesquisa mostra como os modelos avançados de IA, que implantamos em nosso dia a dia, estão gerando um impacto ambiental substancial.

Modelos de linguagem de grande porte (LLMs) projetados para raciocínio profundo – como o o3 da OpenAI, o Claude da Anthropic e o R1 da DeepSeek – produzem 50 vezes mais emissões de dióxido de carbono do que os modelos básicos de IA, ao responderem as mesmas perguntas.

“O impacto ambiental de questionar LLMs treinados é fortemente determinado por sua abordagem de raciocínio”, disse Maximilian Dauner, autor principal do estudo publicado em 19 de junho em Frontiers in Communication. “Descobrimos que modelos habilitados para raciocínio produziram até 50 vezes mais emissões de CO₂ do que modelos de resposta concisa”, acrescentou.

A pesquisa relata como essas emissões vêm do grande poder de computação necessário para processar consultas avançadas, como questões em torno de áreas pesadas em lógica, como álgebra e filosofia.

As pesquisadoras explicam como esses modelos de raciocínio usam um método chamado “cadeia de pensamento“, onde a IA decompõe um problema em etapas lógicas, o que reflete as abordagens humanas de resolução de problemas. Mais tokens durante o processo geram respostas mais longas, que por sua vez consomem energia adicional.

As pesquisadoras conduziram sua análise executando 1.000 perguntas em 14 modelos LLM. Elas determinaram o consumo de energia usando uma GPU NVIDIA A100 e assumindo que cada quilowatt-hora criou 480 gramas de CO₂.

A análise mostrou que, em média, os modelos de raciocínio produziram 543,5 tokens como saída em cada resposta, enquanto os modelos mais simples geraram apenas 37,7 tokens. O modelo mais preciso, Deep Cogito (com 72 bilhões de parâmetros), também teve uma das maiores pegadas de carbono.

“Atualmente, vemos um claro compromisso entre precisão e sustentabilidade inerente às tecnologias LLM”, explicou Dauner. “Nenhum dos modelos que manteve as emissões abaixo de 500 gramas de CO₂ equivalente alcançou mais de 80% de precisão”, acrescentou.

Por exemplo, responder 60.000 perguntas com o modelo R1 do DeepSeek emitiria a mesma quantidade de CO₂ que um voo de ida e volta entre Nova York e Londres. Enquanto isso, o modelo Qwen 2.5 da Alibaba Cloud poderia fornecer precisão semelhante com um terço das emissões.

Isso não é apenas sobre emissões por solicitação, dizem os pesquisadores que a preocupação maior é a escala. Uma única pergunta pode liberar apenas alguns gramas de CO₂, mas multiplique isso por bilhões de usuários, e a pegada se torna massiva.

The New York Times relata que um relatório de 2024 do Departamento de Energia dos EUA previu que os data centers consumirão até 12% do fornecimento nacional de eletricidade até 2028, o que representa um aumento triplo em relação aos níveis de 2022, onde a IA é um fator impulsionador.

Então, o que os usuários podem fazer?

“Use a IA quando faz sentido usá-la. Não use a IA para tudo”, disse a professora de ciência da computação Gudrun Socher, conforme relatado pelo The Washington Post. Para perguntas básicas, os motores de busca geralmente são mais rápidos e usam muito menos energia. Uma pesquisa no Google usa cerca de 10 vezes menos energia do que um comando ChatGPT, de acordo com o Goldman Sachs.

Dauner concorda. “Se os usuários conhecerem o custo exato de CO₂ de suas saídas geradas por IA, como se transformar casualmente em uma figura de ação, eles podem ser mais seletivos e ponderados sobre quando e como usar essas tecnologias.”

Especialistas enfatizam a escolha de modelos menores para tarefas simples e o uso de modelos mais longos e poderosos apenas quando necessário. Manter prompts e respostas concisas também ajuda a reduzir o consumo de energia. No final, a escolha não é apenas sobre velocidade ou precisão, é também sobre responsabilidade.