A IA generativa consome mais energia e, por vezes, oferece respostas menos precisas quando as pessoas usam idiomas diferentes do inglês, segundo pesquisadores da Universidade de Michigan. A diferença de consumo varia de 1,4 a 180 vezes, e os pesquisadores alertam que ela pode aprofundar desigualdades globais já existentes.
Quanta energia a IA consome a mais com textos em idiomas diferentes do inglês?
A diferença é maior em idiomas que não usam o alfabeto latino e que têm menos conteúdo digital disponível para treinamento. A maioria dos idiomas da Europa Ocidental exige o dobro de energia ou menos em comparação com um prompt equivalente em inglês. Já o hindi e o bengali, falados por centenas de milhões de pessoas cada, exigem, respectivamente, 7,9 e 15,3 vezes mais energia.
Naihao Deng, doutorando em ciência da computação e engenharia e primeiro autor do estudo, afirmou que os idiomas que consomem mais energia também tendem a produzir os resultados menos precisos. O estudo foi apresentado na conferência Empirical Methods in Natural Language Processing, organizada pela Association for Computational Linguistics.
“A maioria das pessoas vai querer usar modelos de IA fazendo perguntas em seus idiomas nativos, e pode se sentir pressionada a usá-los à medida que eles são incorporados a mais partes da sociedade”, disse Deng. “Mas a dupla penalidade torna mais provável que certas pessoas fiquem excluídas da IA e que as empresas sejam mais relutantes em oferecer modelos em determinados idiomas.”
Com base nas medições dos pesquisadores e nos dados demográficos da Ethnologue, cerca de 5,2 bilhões de pessoas precisam usar mais que o dobro de energia para gerar textos em seu primeiro idioma do que falantes de inglês.
Quais modelos de IA o estudo testou?
Para medir a diferença, a equipe testou três modelos de código aberto: o Qwen 3, da Alibaba, o Gemma 3, do Google, e o Llama 3.1, da Meta. Eles pediram que cada modelo respondesse a perguntas de múltipla escolha do Belebele, um conjunto de dados criado para avaliar a compreensão de leitura em 122 idiomas. Os pesquisadores mediram a energia usada em cada resposta com a estrutura ML.Energy, desenvolvida na Michigan Engineering.
A equipe também testou problemas matemáticos de nível escolar e prompts abertos de usuários provenientes de outros conjuntos de dados de referência. Como esses conjuntos não são multilíngues, os pesquisadores traduziram as perguntas em inglês para outros sete idiomas usando a ferramenta de tradução No Language Left Behind, da Meta.
Em média, todos os modelos usaram menos energia com textos em inglês. A disparidade se manteve em modelos de maior porte e em diferentes tipos de processadores.
Por que mais tokens significam custos maiores
A energia extra vem em grande parte dos tokens, as unidades básicas de dados que os modelos de IA processam. Um token pode ser uma frase inteira, uma única palavra, uma sílaba ou um caractere. Os modelos convertem os prompts em tokens antes de processá-los e, depois, convertem os tokens de saída de volta para a linguagem humana.
Por que textos em idiomas diferentes do inglês consomem mais energia em modelos de IA?
Quando um texto é escrito em outro idioma, o modelo frequentemente precisa gerar mais tokens para produzir a mesma resposta. O problema cresce para sistemas de escrita cujos caracteres exigem mais código para serem exibidos. O alfabeto devanágari, usado para hindi, nepalês e marati, e o alfabeto bengali têm caracteres que mudam de forma e se combinam com acentos, produzindo um número muito grande de caracteres únicos.
Mais tokens ocupam mais memória do computador, deixando menos espaço para o processamento de informações. O modelo então processa os tokens em lotes menores, o que consome mais energia por token. Os pesquisadores afirmam que esse efeito amplia a diferença em relação ao inglês.
Os tokens extras também afetam o que os usuários pagam. As empresas costumam cobrar pelo acesso aos modelos de acordo com o número de tokens gerados, de modo que falantes de outros idiomas podem enfrentar custos diretos mais altos.
Reduzindo a diferença
Os pesquisadores recomendam que as empresas otimizem seus serviços para mais idiomas. Uma opção é direcionar as consultas dos usuários para modelos adaptados a idiomas específicos. Outra é traduzir os prompts para o inglês antes de enviá-los a um modelo de uso geral, desde que a tradução seja confiável.
Rada Mihalcea, professora Janice M. Jenkins de Ciência da Computação e Engenharia, diretora do U-M AI Lab e autora correspondente do estudo, afirmou que os desenvolvedores devem investir em recursos para os idiomas com as maiores diferenças.
“Os desenvolvedores de IA deveriam criar mais recursos para os idiomas com disparidade de energia e custo”, disse Mihalcea. “Recorrer a falantes nativos, por meio de crowdsourcing, para ajudar a traduzir materiais ou criar recursos que gerem dados de treinamento suficientes também poderia ajudar a melhorar a eficiência.”
A National Science Foundation e a Defense Advanced Research Projects Agency financiaram parcialmente a pesquisa. Apoios adicionais vieram da Ford, do Laude Institute, da OpenAI e do Survival and Flourishing Fund. O estudo foi executado no cluster de computação de alto desempenho Great Lakes da universidade.
Este artigo foi escrito com a assistência de IA.
News Factory APP - notícias agênticas para impulsionar seu SEO e AEO.