A inteligência artificial é frequentemente comparada à indústria do petróleo. Quando os dados são extraídos e refinados, se tornam uma commodity altamente lucrativa. Assim como nas refinarias de petróleo, o processo de aprendizagem de máquina, conhecido como machine learning, tem um impacto ambiental muito maior do que imaginávamos, segundo estudos de pesquisadores da Universidade de Massachusetts, nos EUA.
De acordo com o estudo, os pesquisadores realizaram uma avaliação do ciclo de IAs comuns, sem alto grau de complexidade, focados no aprendizado da linguagem humana. Eles descobriram que o processo pode emitir até cinco vezes mais dióxido de carbono que um carro comum utilizado nas cidades, incluindo todo seu processo de fabricação. Os dados comprovam algo que muitos pesquisadores já estavam alerta, mesmo ainda de forma abstrata, sem tantos dados práticos e concretos.
O maior impacto desse estudo, é que este formato básico de IA, tem sido usado frequentemente em nosso dia a dia de trabalho, como conclusão de frases nas ferramentas de trabalho, softwares de tradução e bots comerciais de atendimento, por exemplo. Quando a IA passa por processos de ajuste, o aumento da emissão de dióxido de carbono cresce de maneira muito mais acelerada que os benefícios gerados na melhoria do processo.
Em geral, muitas das pesquisas mais recentes em IA negligenciam a eficiência e o impacto ambiental gerado, já que redes neurais muito grandes foram consideradas úteis para um grande leque de atividades. Ao mesmo tempo, empresas e instituições que têm acesso a mecanismos computacionais de alta performance, aproveitam desta tecnologia para obter uma vantagem competitiva, sem levar em consideração os recursos que estão sendo utilizados. Não há ainda, nenhum tipo de regulamentação global para o controle de testes de IA e seus impactos e ainda pouca movimentação da comunidade internacional sobre o tema. Mas há uma preocupação legítima considerando a escala e a rapidez no desenvolvimento de máquinas cada vez mais eficientes, em contraposto de uma deterioração igualmente rápida do meio ambiente e dos impactos gerados para a economia global.