O Paradoxo da IA para Sustentabilidade e a Sustentabilidade da IA-Reference-Cited by-同舟云学术

O Paradoxo da IA para Sustentabilidade e a Sustentabilidade da IA

Published:2024-07-21 Issue: Volume: Page:105-116
ISSN:
Container-title:Anais do V Workshop sobre as Implicações da Computação na Sociedade (WICS 2024)
language:
Short-container-title:

Author:

Breder Gabriel B.,Brum Douglas F.,Dirk Lucas,Ferro Mariza

Abstract

A popularização da inteligência artificial (IA) nos últimos anos tem gerado um impacto cada vez maior em diversos setores, fazendo com que seja necessária a análise das consequências de sua utilização frente a questões éticas e ambientais. Na área ambiental, pesquisas estão sendo realizadas no sentido de mensurar o impacto da utilização de algoritmos de IA em termos de consumo de energia e consequente emissão de dióxido de carbono equivalente (CO2e). Neste artigo, será abordado sobre o paradoxo envolvendo IA e sustentabilidade, com ênfase na importância de relatar o consumo de energia nas pesquisas envolvendo aprendizado de máquina(AM) e a viabilidade do uso de ferramentas online para realizar a medição da quantidade de CO2e emitida.

Publisher

Sociedade Brasileira de Computação

Reference45 articles.

1. Anthony, L. F. W., Kanding, B., and Selvan, R. (2020). Carbontracker: Tracking and predicting the carbon footprint of training deep learning models. ICML Workshop on Challenges in Deploying and monitoring Machine Learning Systems. arXiv:2007.03051.

2. Assunção, V. D., Haniya, M. V., de Oliveira Fonseca, A. C., Jacob, A. C. P., Junior, J. T. A., de Magalhães, P. C., de Oliveira, A. K. B., and de Sousa, M. M. (2023). Análise dos desastres naturais em petrópolis ocorridos em fevereiro de 2022. ENCONTRO NACIONAL DE DESASTRES, 3.

3. Bender, E. M., Gebru, T., McMillan-Major, A., and Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, FAccT ’21, page 610–623, New York, NY, USA. Association for Computing Machinery.

4. Bouza, L., Bugeau, A., and Lannelongue, L. (2023). How to estimate carbon footprint when training deep learning models? a guide and review. Environmental Research Communications, 5.

5. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., et al. (2020). Language models are few-shot learners. arXiv preprint arXiv:2005.14165.