Diego Sanches Blog

Introdução

Por anos, o debate sobre Inteligência Artificial tem sido dominado por visões extremas: de um lado, a promessa de uma tecnologia capaz de resolver problemas globais; de outro, alertas apocalípticos sobre uma possível ameaça existencial. No entanto, como argumenta a pesquisadora Dr. Sasha Luccioni em sua palestra no TED, essas discussões desviam nossa atenção do verdadeiro problema — estamos construindo IA de forma insustentável.

A corrida atual por modelos cada vez maiores está consumindo quantidades absurdas de energia, exigindo investimentos bilionários e concentrando poder em poucas empresas. A boa notícia? Existe um caminho alternativo: a Small AI, ou Pequena IA — modelos menores, mais eficientes e mais democráticos.

O Problema do “Big AI”: Crescimento a Qualquer Custo

A indústria de IA entrou em uma fase que pode ser comparada ao comportamento das grandes petroleiras. Gigantes tecnológicos investem em centros de dados colossais, infraestrutura cara e modelos gigantescos, seguindo o mantra de que “maior é melhor”.

Alguns exemplos apresentados por Luccioni:

• Meta planeja um data center com a área equivalente à ilha de Manhattan.
• O projeto Stargate, da OpenAI, deve emitir 3,7 milhões de toneladas de CO₂ por ano quando estiver em plena operação — aproximadamente o mesmo que todo o país da Islândia.
• O custo de treinar modelos de última geração explodiu de poucos milhares para centenas de milhões de dólares, criando uma concentração de poder sem precedentes.

Este movimento, além de ambientalmente insustentável, limita a inovação. Startups, universidades e organizações sociais simplesmente não conseguem competir.

A Crise de Eficiência: Acendendo o Estádio Para Procurar as Chaves

Modelos como GPT-4, Claude ou similares são treinados para fazer tudo: escrever textos, programar, explicar física, gerar poesia e muito mais. Mas usar um modelo desse porte para uma tarefa simples é extremamente ineficiente.

Luccioni compara essa prática a ligar todas as luzes de um estádio apenas para procurar um par de chaves.

Um estudo liderado pela pesquisadora analisou o consumo de energia para responder perguntas simples — como “Qual é a capital do Canadá?”. O resultado foi alarmante:
um modelo generalista consumiu até 30 vezes mais energia do que um modelo pequeno e especializado.

Essa ineficiência se multiplica quando pensamos em bilhões de interações diárias.

A Revolução da Small AI

Enquanto gigantes constroem modelos maiores, um movimento silencioso cresce na direção oposta: os Small Language Models (SLMs).

Esses modelos mostram que desempenho não depende apenas de bilhões de parâmetros. Exemplos como a família SmolLM demonstram isso claramente:

• O menor desses modelos possui 135 milhões de parâmetros, cerca de 5.000 vezes menos do que modelos gigantes como DeepSeek.
• Foram treinados com dados de alta qualidade, incluindo 60% de conteúdo educacional, em vez de raspagens de internet repletas de ruído e toxicidade.
• São pequenos e eficientes o suficiente para rodar em um smartphone, laptop modesto ou até no navegador.

Além da eficiência energética, esses modelos trazem ganhos enormes em privacidade e soberania de dados, já que não dependem da nuvem.

AI Energy Score: Medindo o Impacto Real

Para aumentar a transparência na indústria, a equipe de Luccioni desenvolveu o AI Energy Score, que avalia a eficiência energética de modelos abertos.

Um dos comparativos apresentados é impressionante:

• SmolLM (135M): 7,28 Wh para gerar 1.000 resultados
• DeepSeek R1: 1.039,24 Wh para a mesma tarefa

Ou seja, o modelo gigante consumiu 142 vezes mais energia para entregar o mesmo resultado.

Essa disparidade mostra que a busca por “super modelos” é menos sobre necessidade técnica e mais sobre disputas econômicas.

Além dos Chatbots: IA a Favor do Planeta

Luccioni reforça que IA não é apenas sobre chatbots e geração de texto. Quando aplicada de forma eficiente, ela pode ser uma arma poderosa na luta contra a crise climática.

Três exemplos práticos:

NASA — Projeto Galileo

Modelos multimodais analisam séries temporais de pixels de satélite para mapear agricultura e detectar enchentes, sem depender de gigantes de IA generativa.

Rainforest Connection

Dispositivos reaproveitados com painéis solares usam IA bioacústica para:

• identificar espécies animais
• detectar o som de motosserras em tempo real
• combater o desmatamento ilegal

Open Climate Fix

Algoritmos analisam dados topográficos e históricos para prever produção solar e eólica e otimizar redes de energia renovável.

Esses projetos mostram que a IA realmente útil para o planeta não exige infraestrutura gigante — exige foco e eficiência.

Conclusão

A narrativa de que a IA precisa ser cada vez maior é, como explica Luccioni, um mito conveniente para empresas que lucram com infraestrutura massiva. Mas a realidade é clara: temos tecnologia e conhecimento para construir uma IA sustentável, eficiente e acessível.

Ao adotarmos modelos pequenos e especializados, reduzimos custos, democratizamos o acesso e diminuímos o impacto ambiental — criando uma tecnologia poderosa e responsável.

O futuro não precisa ser dominado por “Big AI”.
O futuro pode — e deve — ser pequeno, eficiente e brilhante.

Vídeo de Referência

TED Talk de Dr. Sasha Luccioni:
https://www.youtube.com/watch?v=Bl-vPf_IAoA