Altman propõe calcular o custo da inteligência de outro jeito: 20 anos de comida contra um data center

Vinte watts. É o que o cérebro humano consome em atividade plena, menos que uma lâmpada incandescente fraca. Por décadas, esse fato foi o principal trunfo nas discussões sobre a ineficiência da inteligência artificial: por que construir data centers do tamanho de uma cidade pequena se a natureza resolveu o mesmo problema com um quilo e meio de tecido neural e um punhado de glicose? Sam Altman decidiu que é hora de rever os termos dessa comparação.

O chefe da OpenAI apresentou uma tese provocativa: comparar o consumo de energia de um cérebro em funcionamento com o de uma rede neural em funcionamento é trapaça intelectual. Uma conta correta, na opinião de Altman, deve incluir toda a energia gasta para criar a inteligência, e não apenas para operá-la. Para um ser humano, isso significa cerca de vinte anos de alimentação contínua, sono e aprendizado: milhares e milhares de calorias transformadas em conexões sinápticas. Indo além, seria preciso contar milhões de anos de evolução, nos quais incontáveis organismos nasceram, consumiram recursos e morreram para que a seleção natural, enfim, produzisse um ser capaz de raciocinar sobre abstrações.

O argumento não é novo nos círculos acadêmicos, mas, vindo do chefe da maior empresa de IA, soou diferente: como uma narrativa estratégica. O contexto é essencial. A OpenAI e suas concorrentes enfrentam pressão crescente pela pegada energética dos grandes modelos de linguagem.

Segundo várias estimativas, o treinamento de um único modelo grande do nível do GPT-4 consumiu energia comparável ao consumo anual de vários milhares de residências. Cada consulta a um chatbot gasta várias vezes mais eletricidade que uma busca comum. A construção de novos data centers para cargas de IA virou um dos temas mais quentes da política energética, do Texas à Escandinávia.

Nesse cenário, qualquer argumento capaz de reformatar a discussão ganha peso não só filosófico, mas também bastante prático.

Do ponto de vista científico, a posição de Altman tem um fundo racional, mas também exageros evidentes. De fato, se o cérebro for visto como produto de treinamento, seu "orçamento de treino" é colossal. Uma criança consome em média de 1000 a 2500 quilocalorias por dia, e boa parte dessa energia nos primeiros anos de vida vai justamente para o desenvolvimento do sistema nervoso.

Em vinte anos, isso soma cerca de 15–18 milhões de quilocalorias, ou aproximadamente 17–21 megawatts-hora em energia elétrica. O número impressiona, mas ainda fica ordens de grandeza abaixo do que se gasta no treinamento de modelos de ponta, se contarmos as perdas com refrigeração, transmissão de dados e infraestrutura. Quanto à evolução, é tecnicamente possível incluí-la no cálculo, mas aí a IA também teria de carregar toda a história da computação, das primeiras máquinas a válvula aos atuais clusters de GPU, o que torna a comparação sem sentido.

As críticas a Altman não demoraram. Muitos pesquisadores apontaram uma diferença fundamental: o cérebro é um sistema de uso geral que, ao mesmo tempo, controla o corpo, processa informação sensorial, sustenta a vida emocional e resolve tarefas intelectuais. Um grande modelo de linguagem faz exatamente uma coisa: gera texto (ou, na versão multimodal, também imagens). Comparar o "custo de treinamento" dos dois é como comparar o custo de construir uma cidade inteira com o de erguer um único arranha-céu, por mais impressionante que seja. Outros comentaristas foram mais duros e chamaram a fala de Altman de tentativa de normalizar o consumo ilimitado de energia da indústria de IA justamente quando a sociedade começa a fazer perguntas incômodas.

Mas há uma camada mais profunda nessa discussão. O simples fato de o chefe da OpenAI refletir publicamente sobre o preço da inteligência sinaliza uma mudança no pensamento do setor. Há poucos anos, as empresas preferiam nem discutir energia, na esperança de que o avanço na eficiência de chips e algoritmos resolvesse o problema sozinho. Agora a estratégia muda: em vez de negar a escala do consumo, os líderes do setor tentam redefinir o sistema de referência em que ele é avaliado. Se a inteligência é um produto caro por definição, o alto gasto de energia deixa de ser um bug e vira feature.

Essa manobra narrativa terá consequências muito além das redes sociais. Reguladores na Europa e nos EUA já elaboram padrões de eficiência energética para sistemas de IA. O modo como a indústria definir a linha de base da comparação, seja o custo de uma consulta, o de treinar um modelo ou o custo total de criar inteligência "do zero", afetará diretamente o rigor das normas futuras. Altman, conscientemente ou não, está definindo o enquadramento desse debate.

Uma coisa se pode dizer com certeza: acabou a época em que as empresas de IA podiam simplesmente ignorar a questão dos recursos. Agora elas precisam construir não só modelos, mas também argumentos de que esses modelos valem a energia gasta. E o quanto esses argumentos serão convincentes determinará não só a reputação da OpenAI, mas também o ritmo de desenvolvimento de todo o setor nos próximos anos.