A inteligência artificial está batendo em um muro energético e, à medida que os modelos crescem, treiná-los pode em breve exigir saídas de energia semelhantes a reatores nucleares, segundo Greg Osuri, fundador da Akash Network.
Em entrevista a Andrew Fenton, do Cointelegraph, durante a Token2049 em Cingapura, Osuri afirmou que a indústria subestima a velocidade com que a demanda por computação está se multiplicando e seus custos ambientais. Ele observou que data centers já consomem centenas de megawatts de energia fóssil.
Osuri alertou que essa tendência pode desencadear uma crise energética, aumentando as contas de luz das famílias e adicionando milhões de toneladas de novas emissões todos os anos.
“Estamos chegando a um ponto em que a IA está matando pessoas”, disse ele, apontando para impactos na saúde decorrentes do uso concentrado de combustíveis fósseis em torno de polos de dados.
Como a descentralização pode mitigar o problema energético da IA
Na terça-feira, a Bloomberg informou que data centers de IA estão disparando os custos de energia nos Estados Unidos.
O relatório destacou como esses centros contribuíram para o aumento das contas de luz de famílias comuns. Segundo o estudo, os custos de eletricidade no atacado aumentaram 267% em cinco anos em áreas próximas a data centers.
Osuri disse ao Cointelegraph que a alternativa é a descentralização. Em vez de concentrar chips e energia em megacentros de dados, ele defende o treinamento distribuído em redes de GPUs menores e mistas — desde chips empresariais de ponta até placas de vídeo em PCs domésticos — para desbloquear eficiência e sustentabilidade.
“Uma vez que os incentivos forem definidos, isso vai decolar como a mineração de Bitcoin”, disse ele, acrescentando que computadores domésticos também poderão eventualmente ganhar tokens ao fornecer poder computacional ocioso.
Essa visão remete aos primeiros dias da mineração de Bitcoin (BTC), quando usuários comuns podiam contribuir com seu poder de processamento e receber recompensas em troca. A diferença é que, desta vez, a “mineração” consistiria no treinamento de modelos de IA em vez da resolução de quebra-cabeças criptográficos.
Segundo Osuri, isso poderia dar às pessoas comuns uma participação no futuro da IA, ao mesmo tempo em que reduziria custos para desenvolvedores.
Não sem desafios
Apesar do potencial, Osuri reconheceu que ainda existem desafios. Treinar modelos em larga escala em uma rede de GPUs heterogêneas exige avanços tecnológicos em software e coordenação. Segundo ele, essa é uma questão que a indústria está apenas começando a resolver.
“Cerca de seis meses atrás, várias empresas começaram a demonstrar alguns aspectos do treinamento distribuído”, disse Osuri.
“Ninguém juntou todas essas peças para realmente rodar um modelo.” Ele acrescentou que isso pode mudar “até o fim do ano”.
Outro obstáculo é criar sistemas de incentivos justos. “A parte difícil é o incentivo”, disse Osuri. “Por que alguém cederia seu computador para treinar? O que ele vai receber em troca? Esse é um desafio mais difícil de resolver do que a própria tecnologia de algoritmo.”
Apesar dos obstáculos, Osuri insistiu que o treinamento de IA descentralizado é uma necessidade. Ao espalhar as cargas de trabalho por redes globais, ele acredita que a IA pode aliviar a pressão sobre as redes de energia, reduzir emissões de carbono e criar uma economia de IA mais sustentável.