Um dos lados negros da Inteligência Artificial

A Inteligência Artificial (IA) está a tornar-se a nova eletricidade ou mesmo o novo oxigénio das sociedades. Uma tecnologia divinizada de forma tão disruptiva que irá revolucionar o trabalho, a mobilidade, o ensino, a saúde, os negócios e a própria natureza da vida. Contudo, ao contrário das aparências, o ciclo de vida da IA ​​não começa com matemática, algoritmos, aprendizagem profunda e redes neurais, wireless, apps, nuvem, transição digital e outras metáforas, mas com recursos naturais, energia, trabalho humano, infraestruturas públicas e privadas, logística e classificação de dados; e todas estas dimensões, sem excepção, dependem e produzem impactos materiais e territoriais insustentáveis. A IA será considerada a tecnologia mais “suja” que não tivemos qualquer remorso em desenvolver e aprofundar sem olhar uma única vez pelo retrovisor.Não acredita? Vejamos as principais camadas materiais da “imaterialidade” da IA. A primeira camada é mineralógica. Não há computação avançada e em larga escala sem um conjunto de minerais que levaram milhões de anos para se acumular no planeta. Não há IA sem semicondutores, computadores, smartphones, internet, servidores, centros de dados, baterias recarregáveis, assistentes digitais, Large Language Models (LLM) e tecnologias adjacentes com vida útil reduzida e sem grandes ideias sobre como tratar os resíduos que se acumulam em países como Gana, China, Mongólia ou Paquistão.Numa escala de raridade, valor para manutenção da capacidade computacional actual e agravamento de conflitos globais e problemas ambientais e sociais, temos o lítio, o níquel, o cobre e o estanho, além de minerais apenas encontrados em terras raras (lantânio, neodímio, promécio, európio, disprósio, ítrio, escândio, entre outros). Estes materiais são insubstituíveis para usos eletrónicos, ópticos e magnéticos e são essenciais sistemas de som de smartphones, motores de veículos elétricos, dispositivos infravermelhos militares, drones, baterias, etc. No entanto, a mineração, fundição, processamento, exportação, montagem e transporte têm fortes impactos no meio ambiente, bem como nas comunidades ao longo da cadeia de valor de extração e exploração desses recursos.

A segunda camada é a logística, seja associada à camada mineralógica, seja às necessidades das cadeias produtivas das actividades das grandes tecnológicas ou, por fim, toda a infraestrutura pública que dá suporte à existência da IA, desmistificando também pelo caminho a fábula de que a magia da IA é fruto de um grupo de génios empreendedores numa garagem que dependem essencialmente do setor privado e de capital de risco. Se se pensar nas empresas sem as quais a IA não poderia existir, a Intel vem rapidamente à mente. A cadeia de abastecimento da Intel reflete as operações globais da empresa; a Intel faz negócios em mais de 100 países, com mais de 450 fábricas e 16.000 fornecedores. Mas a Intel é apenas o início. Amazon, Anthropic, Anduril, Google, IBM, Meta, Microsoft, Nvidia ou OpenAI são igualmente organizações complexas de gerir. A complexidade das cadeias de abastecimento dos processos de produção destas organizações é de tal magnitude que ninguém sugere que seus lucros e dividendos possam estar livres de conflitos (guerras, exploração humana e pegada ambiental).A terceira camada é humana. Os seres humanos ainda são criaturas materiais inseridas num contexto territorial: precisamos de habitação, educação, serviços de saúde, mobilidade, segurança e trabalho. A vida humana é territorial e culturalmente determinada. As atividades humanas são constantemente codificadas em dados (big data) que, organizados, permitem que a IA aprenda: a quantidade de dados que pode ser recolhida (legal e ilegalmente) é um objectivo em si mesmo. Os dados, e sua rápida e massiva acumulação, são o elemento decisivo da evolução da IA. Actualmente, o maior estrangulamento, o elemento difícil e muito caro de construir, é o processo de treino dos modelos de aprendizagem. O primeiro modelo GPT, lançado em 2018, integrou 120 milhões de parâmetros e foi treinado com 4 GB de texto. Estima-se que o GPT-4, lançado em 2023, tenha usado cem bilhões de parâmetros e também se estima que o volume de dados usado no seu treino tenha sido de um petabyte. A obtenção destes dados tem sido tudo menos pacífica, assim como os resultados do treino desses modelos, desde problemas de violação de privacidade, uso de imagens sem autorização, uso de conteúdo xenófobo e racista com resultados altamente tendenciosos, até à discriminação étnica e de género.

A IA é estruturalmente dependente de trabalhadores mal pagos (crowd-workers; crowd-sourced; ghost-workers) que realizam tarefas repetitivas e psicologicamente perturbadoras realizadas remotamente

Por outro lado, o trabalho humano é crucial na organização dessa enorme quantidade de dados que podem ser mastigados por LLM e modelos de linguagem natural (NLM). A lógica central de uma IA, vendida ao consumidor, é a de uma inteligência clara, rápida e eficiente. A verdade é, no entanto, um pouco mais desconfortável. A IA é estruturalmente dependente de trabalhadores mal pagos (crowd-workers; crowd-sourced; ghost-workers) que realizam tarefas repetitivas e psicologicamente perturbadoras realizadas remotamente, longe da pureza aparente da IA. Os dados recolhidos exigem milhares de horas de rotulagem, classificação, verificação e moderação de conteúdos, revisão e edição de texto e imagens e, muitas vezes, transferência da verificação de erros para o consumidor. A computação em larga escala está profundamente enraizada na exploração humana.

Transversal às camadas anteriores e sustentando a existência de toda a capacidade computacional atual e futura, surge a camada energética, cuja força vital e inevitável continua a ser a eletricidade. Os servidores estão longe dos olhos do público, escondidos em centros de dados anónimos, e as suas características poluentes são muito menos visíveis do que as chaminés das centrais termoeléctricas a carvão. Apesar dos esforços da indústria para aumentar a sua eficiência energética, a verdade é que tanto o que se sabe quanto o que se espera é verdadeiramente preocupante. A literatura mais actual mostra a tendência: os data centers usam cerca de 200 terawatts-hora (TWh) a cada ano. Isso é mais do que o consumo nacional de energia de alguns países. Isso coloca a pegada de carbono das TIC no mesmo nível das emissões de combustível da indústria da aviação. Outros trabalhos mencionam explicitamente que o aumento no consumo de eletricidade por data centers, criptomoedas e IA entre 2022 e 2026 pode ser equivalente ao consumo de eletricidade da Suécia ou da Alemanha.

Os data centers usam cerca de 200 terawatts-hora a cada ano. Isso é mais do que o consumo nacional de energia de alguns países

Finalmente, outra dimensão estruturante de natureza material sem a qual a IA não poderia funcionar é a água. A água é necessária, por exemplo, para o arrefecimento dos servidores, para a geração de eletricidade e para o fabrico dos servidores. A magnitude do consumo deste recurso escasso e essencial à vida é simplesmente avassaladora. A retirada global combinada de água da Google, Microsoft e Meta atingiu uma estimativa de 2,2 bilhões de metros cúbicos em 2022, equivalente à retirada anual total de água (incluindo uso municipal, industrial e agrícola) de duas Dinamarcas.O autor escreve segundo o acordo ortográfico de 1990