O Impacto da IA nas Mudanças Climáticas e Soluções

AIbase

Publicado emNotícias e Informações de IA · 4 minutos de leitura · Jul 1, 2024

Com o contínuo desenvolvimento da IA, crescem as preocupações sobre o impacto da IA no planeta, especialmente seu alto consumo de energia e emissões de carbono. Pesquisas recentes mostram que consultas de IA generativa consomem muito mais energia do que solicitações de mecanismos de busca tradicionais, consumindo de quatro a cinco vezes mais energia do que as operações tradicionais. Em particular, as tarefas de geração de imagens exigem muito mais energia do que as operações baseadas em texto. De acordo com um estudo do Morgan Stanley, a demanda de energia da IA generativa crescerá 70% ao ano, e até 2027, a IA generativa pode consumir tanta energia quanto a Espanha consumiu em 2022. Esse aumento no consumo de energia levará a emissões de carbono mais altas, potencialmente agravando ainda mais as mudanças climáticas.

Espera-se um aumento significativo nas consultas diárias de IA, com a crescente popularidade de chatbots e geradores de imagens, aumentando a taxa de adoção de modelos generativos e a competição entre empresas de tecnologia. No entanto, a IA também pode ser nossa melhor esperança para combater as mudanças climáticas causadas pelo homem. Vivendo em áreas onde 400 milhões de pessoas são altamente vulneráveis às mudanças climáticas, as Nações Unidas estão implementando projetos em países como Burundi, Chade e Sudão para usar a IA para ajudar essas comunidades. Além disso, os sistemas de IA estão ajudando a combater as mudanças climáticas, melhorando a eficiência da gestão de resíduos. Por exemplo, a startup de software de Londres, Greyparrot, desenvolveu um sistema de IA que analisa instalações de tratamento e reciclagem de resíduos, ajudando-as a reciclar e reutilizar melhor os resíduos.

Além disso, a organização ambiental holandesa The Ocean Cleanup está usando IA e outras tecnologias para limpar a poluição plástica nos oceanos. A detecção de objetos por IA ajuda a organização a criar mapas detalhados de lixo marinho em áreas remotas. Em seguida, o lixo marinho pode ser limpo e coletado, o que é mais eficiente do que os métodos de limpeza anteriores usando redes de arrasto e aeronaves. A poluição plástica pode agravar as mudanças climáticas por meio de emissões de gases de efeito estufa e danos à natureza. O laboratório de pesquisa de IA do Google, Google DeepMind, afirma estar aplicando IA para ajudar a combater as mudanças climáticas em várias áreas.

Meta corta US$ 65 bilhões em custos com IA! Chip próprio entra em cena para desafiar a dependência da Nvidia?

O gigante das mídias sociais Meta está enfrentando uma pressão sem precedentes sobre os custos de infraestrutura de IA, com estimativas de que os gastos relacionados à IA podem chegar a US$ 65 bilhões, e o gasto anual total podendo chegar a US$ 119 bilhões! Diante de uma conta astronômica dessas, a gigante da tecnologia finalmente decidiu agir, embarcando no desenvolvimento de seus próprios chips de IA, e já obteve progresso significativo nesse campo. Relatórios recentes indicam que o Meta está prestes a iniciar a implantação em pequena escala de seus chips customizados, um movimento que sinaliza uma transição gradual para reduzir a dependência da Nvidia e seus produtos.

Maxis da Malásia e Huawei se unem para impulsionar o uso de IA e ML na operação de redes inteligentes

A Maxis, empresa de telecomunicações da Malásia, e a Huawei Technologies (Malásia) Sdn Bhd anunciaram uma parceria estratégica para melhorar a inteligência da operação de rede usando tecnologias de inteligência artificial (IA) e aprendizado de máquina (ML). Essa colaboração visa acelerar a transformação digital da Maxis e melhorar a experiência do cliente e a eficiência operacional por meio de tecnologias de rede auto-otimizáveis inteligentes. De acordo com um comunicado da Maxis, a colaboração envolverá um projeto conjunto abrangente focado na integração profunda de tecnologias de IA e ML.

Fluxo de Silício: DeepSeek-R1 e V3 API atualizados com inferência em lote e redução de 75% no preço do R1

A conta oficial do Fluxo de Silício anunciou que, a partir de agora, as APIs DeepSeek-R1 e V3 da plataforma SiliconCloud suportam inferência em lote (Batch Inference). Os usuários podem enviar solicitações em lote para o SiliconCloud via API, sem restrições de taxa de inferência em tempo real, com expectativa de conclusão da tarefa em 24 horas. Em comparação com a inferência em tempo real, o preço da inferência em lote do DeepSeek-V3 foi reduzido em 50%. Além disso, de 11 a 18 de março, o DeepSeek-R1 terá um desconto de 75%.

SiliconCloud anuncia suporte de inferência em lote para APIs DeepSeek-R1 e V3 com redução de 75% no preço

A plataforma SiliconCloud lança oficialmente o recurso de inferência em lote (Batch Inference) para as APIs DeepSeek-R1 e V3. Os usuários agora podem enviar solicitações em lote para o SiliconCloud, eliminando as restrições de taxa de inferência em tempo real e concluindo tarefas de processamento de dados em larga escala em até 24 horas. Um destaque importante desta atualização é a significativa redução de preços. O preço da inferência em lote do DeepSeek-V3 é consideravelmente menor em comparação com a inferência em tempo real.