Sem dúvida, a IA e a aprendizagem automática tiveram e continuarão a ter um grande impacto nas instalações eletrónicas periféricas e centralizadas, afetando o setor da eletrónica, saúde, residências, etc.
Mas a inteligência tem um preço. Embora a IA se tenha mostrado benéfica para melhorar a eficiência energética em áreas como os motores elétricos, muitas outras aplicações estão a provocar um aumento do consumo de energia, impactando negativamente as metas de sustentabilidade.
Neste sentido, o que pode ser feito para garantir que a IA e o ML na periferia oferecem as suas vantagens sem comprometer as metas globais de sustentabilidade?
Os dois lados da IA no consumo de energia.
Em algumas áreas, a IA tem sido elogiada pela sua capacidade de otimizar processos e gerar menos desperdício. Por exemplo, os algoritmos de IA implementados na extremidade da rede ajudaram a melhorar as tecnologias de edifícios inteligentes, aumentando a eficiência energética através da regulação dinâmica do aquecimento, iluminação e ar condicionado com base em dados de ocupação em tempo real.
Da mesma forma, os veículos autónomos necessitarão de integrar IA e modelos de IA para interpretar e navegar em vias congestionadas, uma vez que incorporarão análises em tempo real de dados provenientes de fontes de deteção, como sensores de imagem (Figura 1). No entanto, a IA e os modelos de IA consomem energia, e os especialistas do setor automóvel estimam que os veículos elétricos autónomos de Nível 4 dedicarão cerca de 46% da sua potência ao controlo de eletrónica e modelos de IA. 2
Figura 1: Os veículos autónomos necessitam de avaliar uma vasta gama de variáveis para operar em segurança (fonte: adobe stock/scharfsinn86).
Embora o impacto da IA de fronteira no consumo de energia possa ser benéfico, o impacto da IA centralizada é quase sempre prejudicial. Os grandes centros de dados que alimentam a IA generativa e treinam modelos de IA de borda podem aumentar a eficiência operacional no mundo real, mas o seu consumo de energia é considerável (estima-se que o treino do Chat GPT-3, por si só, consumiu 1287 MWh de eletricidade).
O desafio é claro: a IA facilita uma gestão mais inteligente da energia e dos recursos, mas os algoritmos de IA também consomem energia, com a procura a aumentar devido à sofisticação da sua implementação.
Desenvolvendo soluções de IA com eficiência energética.
De um modo geral, a redução do impacto da IA pode ser conseguida através de três abordagens. A primeira é a otimização do hardware, que inclui componentes de suporte como fontes de alimentação e aceleradores de IA (por exemplo, circuitos integrados de aplicação específica e unidades de processamento gráfico). Aumentar a eficiência destes componentes de hardware principais aumenta a eficácia da computação de IA, que abrange processos ou tarefas operacionais como o treino e a inferência de redes neuronais.
Em alternativa, à medida que a nossa compreensão da IA avança, os engenheiros também poderão encontrar formas de reduzir a quantidade significativa de energia utilizada pelos modelos complexos de IA. Técnicas como a limpeza de modelos — que envolve a remoção de partes redundantes de uma rede neural — e a quantização — que reduz a precisão dos parâmetros de um modelo de IA — podem diminuir significativamente as exigências energéticas para treino e inferência. Esta tendência é especialmente importante dado que cada vez mais empresas optam por escalar as soluções de IA para aplicações industriais e de consumo, tornando a formação centralizada uma parte fundamental do desenvolvimento de produtos.
Por fim, a integração de fontes de energia renováveis nas aplicações de IA que mais energia consomem está a surgir como uma solução atrativa para reduzir a procura da tecnologia de processamento necessária.
Encontrar os componentes ideais:
Selecionar os componentes certos é essencial para os engenheiros que procuram levar para o mercado soluções que alcancem o equilíbrio delicado entre o progresso tecnológico e a eficiência energética.
Para tal, a Mouser Electronics oferece uma vasta seleção de soluções dos principais fabricantes mundiais, bem como recursos desenvolvidos para ajudar os engenheiros a melhorar os seus conhecimentos e competências. Estas soluções abrangem tanto a IA de ponta como a IA central e têm como objetivo reduzir o consumo de energia, otimizar a eficiência do hardware e viabilizar a utilização de fontes de energia renováveis.
A oferta da Mouser inclui fontes de alimentação que utilizam a mais recente tecnologia de semicondutores de banda larga, permitindo uma implementação mais eficiente de IA centralizada. A gama de produtos para data centers inclui retificadores front-end ativos, conversores CC-CC e inversores de fase com suporte para potências de 5 a 60 kW.
Diversas destas soluções baseiam-se nas tecnologias de ponta CoolSiC™ Hybrid e CoolSiC™ MOSFET da Infineon. Ao contrário dos módulos MOSFET de silício tradicionais, os encapsulamentos feitos total ou parcialmente de carboneto de silício suportam temperaturas e tensões mais elevadas, reduzindo as perdas de energia. Complementando os seus componentes de potência, a Infineon oferece controladores de potência digitais XDP™ que proporcionam um controlo digital preciso da conversão de energia.
A gama XDP é ideal para a última geração de arquiteturas de servidores de 48 V com elevada eficiência energética. Ao otimizar a conversão CC-CC, os controladores XDP™ atingem eficiências de até 97%, atendendo às exigências de cargas de trabalho de IA e impulsionando a recuperação de energia a partir do desperdício. Com a sua interface gráfica intuitiva, que simplifica a configuração e a monitorização, e sofisticados algoritmos de controlo digital, os controladores XDP garantem um desenvolvimento rápido e um desempenho eficiente em fontes de alimentação inteligentes para infraestruturas de telecomunicações, motherboards de servidores, aplicações da Indústria 4.0 e outros sistemas de 48V de alto desempenho.
Ao optar por componentes principais de alimentação em carboneto de silício e ao adotar controladores avançados e arquiteturas de 48 V, os engenheiros estão a ajudar a criar servidores de IA que oferecem computação de alto desempenho, reduzindo o consumo de energia e os custos operacionais.
O catálogo da Mouser inclui também componentes concebidos para ajudar os engenheiros a criar implementações de IA de baixo consumo de energia na extremidade da rede. Os circuitos integrados de gestão de energia (PMICs) inteligentes, como o PMIC de recolha de energia NEH2000BYJ (Figura 2), são concebidos para extrair energia das células fotovoltaicas, permitindo que os nós de IoT distribuídos sejam alimentados por energia solar.
Figura 2: Os PMIC, como o NEH2000BY, permitem que os dispositivos periféricos sejam alimentados por fontes renováveis (fonte: Mouser Electronics).
Os PMIC alimentados a energia solar, como o NEH2000BYJ, são apenas um elemento de uma estratégia mais ampla para desenvolver dispositivos de IA de ponta com eficiência energética. Os engenheiros devem otimizar os modelos de IA para reduzir o consumo de energia, de forma a prolongar a vida útil da bateria em implementações sem fontes de energia fixas, como nós de sensores industriais ou monitores inteligentes de qualidade do ar nas cidades.
A ferramenta de otimização de energia Otii Arc Pro foi concebida para captar o perfil energético de pequenos dispositivos eletrónicos, como nós IoT, bem como componentes individuais como microcontroladores e sensores, fornecendo análises em tempo real durante períodos prolongados. Para o desenvolvimento de nós, as medições precisas da corrente da ferramenta — juntamente com os softwares compatíveis Otii Pro Battery Toolbox e Otii Pro Automation Toolbox— permitem aos engenheiros quantificar o consumo de energia das operações baseadas em IA para impulsionar a criação de modelos mais eficientes em termos energéticos.
Conclusão:
A ascensão da IA oferece oportunidades entusiasmantes, mas também apresenta desafios de engenharia significativos. A expansão da IA torna essencial encontrar um caminho sustentável tanto para as implementações na orla como para as implementações centralizadas. No entanto, graças às inovações em eficiência de hardware, às técnicas avançadas de otimização de modelos e à adoção de fontes de energia renováveis, a IA pode progredir sem sobrecarregar as redes elétricas. Para os engenheiros, é crucial encontrar e integrar os componentes certos, como os oferecidos pela Mouser, para desenvolver sistemas de IA centralizados e na borda que alcancem um equilíbrio entre desempenho e responsabilidade energética.
Mark Patrick, Diretor de Conteúdos Técnicos para a região EMEA da Mouser Electronics
Notas:
2. https://news.climate.columbia.edu/2023/06/09/ais-growing-carbon-footprint/
