Altman propôs calcular o custo da inteligência de outra forma: 20 anos de comida versus um data center

Vinte watts. É exatamente quanto o cérebro humano consome durante o trabalho ativo — menos que uma lâmpada incandescente fraca. Por décadas, esse fato serviu como o argumento mais forte nos debates sobre a ineficiência da IA: por que construir data centers do tamanho de uma pequena cidade quando 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 reconsiderar os termos dessa comparação.

O chefe da OpenAI apresentou uma tese provocadora: comparar o consumo de energia de um cérebro funcionando e de uma rede neural funcionando é trapaça intelectual. O cálculo correto, segundo Altman, deve incluir toda a energia gasta na criação da inteligência, não apenas em sua operação. Para os humanos, isso significa aproximadamente vinte anos de alimentação contínua, sono, aprendizado — milhares e milhares de calorias transformadas em conexões sinápticas. Se formos mais longe, precisamos levar em conta milhões de anos de evolução, durante os quais inúmeros organismos nasciam, consumiam recursos e morriam, para que a seleção natural eventualmente produzisse uma criatura capaz de raciocinar sobre abstrações.

O argumento não é novo nos círculos acadêmicos, mas da boca do chefe da maior empresa de IA do mundo, ele soou diferente — como uma narrativa estratégica. O contexto aqui é criticamente importante. A OpenAI e seus concorrentes enfrentam pressão crescente sobre a pegada energética de grandes modelos de linguagem.

Segundo várias estimativas, o treinamento de um único modelo grande no nível do GPT-4 consumiu energia comparável ao consumo anual de vários milhares de residências. Cada solicitação a um chatbot usa muitas vezes mais eletricidade do que uma consulta de pesquisa típica. Construir novos data centers para cargas de trabalho de IA tornou-se um dos tópicos mais quentes na política energética — do Texas à Escandinávia.

Nessas condições, qualquer argumento capaz de reformular a discussão adquire não apenas significância filosófica, mas também inteiramente prática.

De um ponto de vista científico, a posição de Altman contém um núcleo racional, mas também alongamentos notáveis. De fato, se vermos o cérebro como um produto do aprendizado, seu "orçamento de treinamento" é colossal. Uma criança consome em média de 1000 a 2500 quilocalorias por dia, e uma parte significativa dessa energia nos primeiros anos de vida vai precisamente para o desenvolvimento do sistema nervoso.

Durante vinte anos, isso resulta em aproximadamente 15–18 milhões de quilocalorias — aproximadamente 17–21 megawatts-hora quando convertidas em energia elétrica. A cifra é impressionante, mas ainda assim várias ordens de magnitude menor do que o que é gasto no treinamento de modelos de ponta quando se contam as perdas de resfriamento, transmissão de dados e infraestrutura. Quanto à evolução — incluí-la no cálculo é tecnicamente possível, mas então para a IA precisaríamos levar em conta toda a história da computação, desde as primeiras máquinas de válvula até os clusters modernos de GPU, o que torna a comparação sem sentido.

Os críticos de Altman não demoraram em responder. Muitos pesquisadores apontaram uma diferença fundamental: o cérebro é um sistema universal que simultaneamente gerencia o corpo, processa informações sensoriais, sustenta a vida emocional e resolve tarefas intelectuais. Um grande modelo de linguagem faz exatamente uma coisa — gera texto (ou, na variante multimodal, também imagens). Comparar seus "custos de treinamento" é como comparar o custo de construir uma cidade inteira com o custo de construir um, embora muito impressionante, arranha-céu. Outros comentaristas foram mais duros, chamando a declaração de Altman de uma tentativa de normalizar o consumo ilimitado de energia da indústria de IA em um momento em que a sociedade está começando a fazer perguntas incômodas.

No entanto, há uma camada mais profunda nessa discussão. O simples fato de que o chefe da OpenAI está publicamente raciocinando sobre o preço da inteligência sinaliza uma mudança no pensamento industrial. Alguns anos atrás, as empresas preferiam não discutir energia, esperando que o progresso na eficiência de chips e algoritmos resolvesse o problema por si só. Agora a estratégia está mudando: em vez de negar a escala do consumo, os líderes da indústria estão tentando redefinir o sistema de coordenadas no qual esse consumo é avaliado. Se a inteligência é um produto caro por definição, então os altos custos de energia deixam de ser um erro e se tornam um recurso.

Essa manobra narrativa terá consequências muito além das mídias sociais. Reguladores na Europa e nos EUA já estão desenvolvendo padrões de eficiência energética para sistemas de IA. Como a indústria define a comparação de base — seja o custo de uma única consulta, o custo do treinamento de um modelo ou o custo total de criar inteligência "do zero" — impactará diretamente a rigidez dos regulamentos futuros. Altman, consciente ou não, está definindo o marco para esses debates.

Uma coisa pode ser dita com certeza: a era em que as empresas de IA podiam simplesmente ignorar a questão dos recursos acabou. Agora elas devem não apenas construir modelos, mas também construir argumentos sobre por que esses modelos valem a energia gasta. E a persuasão desses argumentos determinará não apenas a reputação da OpenAI, mas também o ritmo do desenvolvimento de toda a indústria nos próximos anos.