Em resumo
Carbono incorporado são as emissões geradas ao fabricar, transportar e descartar o hardware. Para contabilizá-lo, pegue as emissões incorporadas totais do hardware, divida-as conforme quanto tempo e que parte do equipamento o seu trabalho de IA usa, e some essa parte ao valor operacional, como faz o termo M da especificação SCI. Como os dados costumam ser escassos, declare os seus pressupostos; e lembre-se de que manter o hardware por mais tempo distribui as mesmas emissões por mais trabalho.
Passos
- Peça ao seu fornecedor de hardware ou de nuvem dados de emissões incorporadas do equipamento que você usa.
- Atribua uma parte ao seu trabalho de IA conforme o tempo e a fração do hardware que ele usa.
- Some essa parte às suas emissões operacionais e diga o que incluiu.
- Declare os pressupostos, incluindo a vida útil esperada do hardware.
- Prolongue a vida útil do hardware quando ela depender de você, para que as emissões incorporadas cubram mais trabalho útil.
Conte o hardware além da eletricidade, porque quanto mais limpa fica a rede elétrica, maior se torna a parte da fabricação. Wu e colegas da Meta relataram em 2022 que o carbono incorporado era cerca de 30% da pegada do aprendizado de máquina em grande escala da Meta, e argumentaram que ele estava se tornando a fonte dominante à medida que a energia operacional fica mais limpa.
Como faço a atribuição?
A especificação SCI da Green Software Foundation inclui as emissões incorporadas como o termo M. Uma abordagem simples:
- Obtenha as emissões incorporadas totais do dispositivo junto ao fabricante ou fornecedor.
- Divida pela vida útil esperada para obter as emissões por ano ou por hora.
- Multiplique pelo tempo em que o seu trabalho o reservou e pela parte da máquina que você usou.
Nos serviços de nuvem você não vê o hardware, por isso pergunte ao provedor se os relatórios de carbono dele incluem a fabricação (Escopo 3) e como ela é atribuída. Veja os dados de carbono do seu provedor de nuvem.
E o lixo eletrônico?
Wang e colegas estimaram em 2024 que os grandes modelos de linguagem poderiam gerar entre 1,2 e 5,0 milhões de toneladas de lixo eletrônico no total entre 2020 e 2030, dependendo da rapidez com que o seu uso cresça, e que a reutilização e a reciclagem poderiam reduzir isso de forma substancial.
Erros comuns
- Deixar o carbono incorporado de fora sem dizer. Mencione-o na declaração de limites em qualquer caso.
- Supor uma vida útil curta por padrão. Substituir o equipamento cedo aumenta a parte anual.
- Comprar hardware novo por um pequeno ganho de eficiência sem verificar o custo de fabricação que isso acrescenta.
Veja como medir a energia da IA para os limites.
Fontes
- Sustainable AI: environmental implications, challenges and opportunities, Wu et al., MLSys (2022)
- E-waste challenges of generative artificial intelligence, Wang et al., Nature Computational Science (2024)
- Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
Relacionados
Como calculo uma pontuação de Software Carbon Intensity para um recurso de IA?
Calcule uma pontuação SCI para um recurso de IA: energia vezes intensidade da rede, mais emissões incorporadas, dividido por uma unidade funcional como o pedido.
Como evito trocar os meus aparelhos só para usar IA?
Por que você raramente precisa de um celular ou notebook novo para usar IA, como manter aparelhos antigos úteis e por que a vida útil do hardware pesa na pegada da IA.
Como escolho hardware de IA eficiente em energia?
Escolha o hardware de IA pela energia medida por tarefa com os seus lotes reais, compare runtimes e aceleradores e pese o equipamento novo contra o carbono incorporado.
Como medir a energia e o carbono da IA
Um guia prático para medir ou estimar a energia e o carbono do trabalho com IA: ferramentas, limites do sistema, métricas por tarefa e incerteza honesta.