Enquanto modelos computacionais avançados tornam-se indispensáveis para prever eventos climáticos extremos e otimizar matrizes energéticas, a infraestrutura física necessária para manter esses sistemas operantes consome volumes crescentes de recursos naturais.O paradoxo deu o tom do discurso do cientista Paulo Nobre, pesquisador do Instituto Nacional de Pesquisas Espaciais (INPE), durante o keynote de abertura do 3º Seminário do Observatório Brasileiro de Inteligência Artificial (OBIA), evento realizado pelo Comitê Gestor da Internet no Brasil (CGI.br) e pelo Núcleo de Informação e Coordenação do Ponto BR (NIC.br).
Nobre abriu sua palestra ressaltando o quadro trágico apresentado no relatório “Falência Hídrica Global”, lançado pelo Instituto para Água, Meio Ambiente e Saúde da Universidade das Nações Unidas. “Falência hídrica não é emergência ou crise; ela nos traz um alerta, porque significa morte”, disse, explicando que a emergência passou e o desafio hoje é lidar com as consequências das mudanças climáticas de tal forma que quem venha depois de nós possam prosperar. “O que era exceção está virando rotina climática”, afirmou.
O cientista versou sobre o cenário atual do aquecimento global apontando que a trajetória contínua de elevação da temperatura média global pressiona os limites estabelecidos pelo Acordo de Paris e desencadeia transformações em escala sistêmica no clima do planeta.Também destacou que a multiplicação de cenários de emergência, como secas severas e prolongadas, ondas de calor atípicas e tempestades intensas causam inundações de grande impacto social e econômico.
Ele assinalou que as mudanças nos padrões globais e regionais de precipitação afetam diretamente a disponibilidade de recursos hídricos, a retenção de umidade nos solos e a vazão das bacias hidrográficas, e sobre a degradação ambiental. A perda de cobertura florestal em regiões críticas (como a Amazônia e o Cerrado), disse, reduz a capacidade natural de absorção de carbono e acelera o desequilíbrio climático regional.
A IA tem auxiliado na tarefa de fazer previsões climáticas e auxiliar no avanço das ciências ambientais e na formulação de políticas de mitigação. Na modelagem meteorológica extrema, algoritmos de IA estão sendo treinados para prever eventos climáticos extremos (como tempestades atípicas, secas severas e ondas de calor) com horas ou dias de antecedência, auxiliando na defesa civil e na preservação de vidas.
Redes elétricas inteligentes (smart grids) contribuem para a otimização da integração de fontes renováveis e intermitentes (como eólica e solar) nas matrizes energéticas, reduzindo o desperdício na distribuição de energia. A IA também está no monitoramento do uso da terra e biodiversidade ao prover visão computacional e análise de imagens de satélite em tempo real para combater o desmatamento ilegal e monitorar a degradação biológica em biomas sensíveis, como a Amazônia e o Cerrado.
Apesar das pressões sobre a infraestrutura global, Nobre pontuou o papel estratégico da IA no enfrentamento dos impactos da crise climática. A convergência entre aprendizado de máquina e ciências ambientais tem permitido avanços relevantes na precisão de modelos meteorológicos.A capacidade de processar volumes massivos de dados em tempo real melhora a antecipação de tempestades severas, secas e ondas de calor, fornecendo subsídios cruciais para planos de mitigação e ações de defesa civil.
Por outro lado, a expansão de data centers voltados ao treinamento e ao processamento de grandes modelos de linguagem (LLMs) impõe forte pressão sobre o consumo global de energia elétrica e sobre os ecossistemas hídricos locais. O resfriamento contínuo de servidores em larga escala pressupõe milhões de litros de água potável, gerando externalidades ambientais diretas nas regiões que abrigam essas instalações. Somam-se a esse cenário a extração de minerais raros e a rápida obsolescência do hardware de alta performance, fatores que amplificam a pegada de carbono ao longo de toda a cadeia produtiva da tecnologia.
Para entender a relação entre IA e o clima, é preciso separar dois aspectos centrais: a pegada de carbono e recursos, ou seja, a pegada ecológica gerada pelo ciclo de vida da tecnologia; e o consumo energético do treinamento e inferência de LLMs, que exigem supercomputadores operando ininterruptamente, elevando a demanda por eletricidade globalmente.
Além da pegada hídrica, uma vez que data centers demandam volumes massivos de água potável para o refrigeração dos servidores, há a geração de lixo eletrônico devido ao ciclo rápido de obsolescência do hardware dedicado (como GPUs de alta performance) e a extração de minerais raros para sua fabricação.
O cenário torna-se ainda mais complexo quando levados em conta os desafios de transparência e governança. A palestra destacou que o equilíbrio entre avanço tecnológico e sustentabilidade exige medidas regulatórias e institucionais firmes. Entre os principais gargalos apresentados está a falta de transparência por parte das grandes empresas de tecnologia no fornecimento de dados auditáveis sobre o real consumo de água e energia de seus modelos.
Ganha relevância o conceito de Green AI — a busca por eficiência algorítmica voltada ao desenvolvimento de modelos computacionais mais enxertos, direcionados a tarefas específicas e com menor demanda energética.
Nobre concluiu apontando a urgência de que países do Sul Global, como o Brasil, estabeleçam diretrizes próprias de governança. O objetivo é assegurar que essas nações participem ativamente da construção de soluções tecnológicas sustentáveis, em vez de atuarem meramente como receptoras dos impactos ambientais e da infraestrutura pesada gerada pela expansão global da inteligência artificial.
