De acordo com pt.wedoany.com-A equipa de investigação da Universidade de Washington desenvolveu um sistema de inteligência artificial capaz de estimar automaticamente o impacto ambiental de diferentes dispositivos eletrónicos durante a sua fase de produção. O sistema utiliza vários agentes de IA (programas que executam tarefas de forma autónoma) para extrair informações de dados públicos e realizar avaliações do ciclo de vida (ACV), com uma taxa média de erro entre 5% e 19%, semelhante à precisão das ACV realizadas por especialistas humanos. Os resultados da investigação foram publicados a 12 de junho na revista académica Nature Electronics.
O estudo mostra que os consumidores estão dispostos a pagar mais por dispositivos mais sustentáveis, mas é atualmente muito difícil obter dados detalhados sobre o impacto ambiental dos dispositivos eletrónicos. Tomando como exemplo um telemóvel, este é composto por centenas de chips e outros componentes, cada um com emissões de produção diferentes, e estes dados muitas vezes não são públicos ou sequer medidos. A recolha manual das informações necessárias para uma ACV por especialistas humanos pode levar dias ou até meses. Os vários agentes de IA concebidos pela equipa de investigação podem trabalhar em conjunto para extrair automaticamente informações sobre componentes eletrónicos a partir de descrições de produtos, imagens e ficheiros, fornecendo estimativas comparáveis em cerca de um minuto.
O sistema utiliza dois agentes de IA para simular diferentes papéis no processo de ACV. Um atua como analista, definindo as informações necessárias e a forma de as integrar, e revendo a precisão dos resultados; o outro atua como engenheiro, recolhendo informações sobre os componentes dos dispositivos eletrónicos a partir de dados públicos, incluindo a triagem de folhas de cálculo e a procura de imagens internas dos dispositivos para obter informações sobre os chips, com fontes de dados que incluem até canais não convencionais, como a base de dados da FCC e publicações do iFixit. Os dois agentes trabalham em ciclo até que o primeiro confirme que as informações estão completas, consultando depois a base de dados de ACV para converter a lista de componentes numa estimativa de emissões de carbono.
A equipa também desenvolveu um método de "vizinho mais próximo" que contorna a recolha detalhada de dados para estimar diretamente a pegada de carbono. Para dispositivos comuns, como computadores portáteis e smartphones, que já possuem relatórios públicos de pegada de carbono, descobriram que produtos com especificações semelhantes, como tamanho do ecrã e processador, têm valores de carbono próximos. Assim, a pegada de carbono de um dispositivo desconhecido pode ser representada como uma média ponderada de produtos semelhantes. Este método também é aplicável para estimar materiais não incluídos na base de dados de ACV, como novos plásticos sustentáveis, que podem ser estimados com base em plásticos com propriedades e estruturas químicas semelhantes. Nos testes, o erro médio deste método foi de 23%, enquanto o erro médio dos especialistas humanos foi de 143%.
A equipa de investigação salienta que o sistema visa ajudar a reduzir globalmente as emissões de carbono, mas a execução do próprio modelo de IA consome energia. Para tal, tomaram várias medidas para mitigar o impacto, incluindo a utilização de modelos de IA mais pequenos, que consomem menos energia do que os modelos de uso geral, e a consulta de estimativas de emissões já existentes para evitar cálculos repetidos. Se o sistema precisar realmente de recorrer ao modelo de IA, atualmente, as emissões de carbono para estimar a pegada de carbono de um dispositivo equivalem aproximadamente às emissões geradas ao fazer uma chávena de chá. A equipa planeia colaborar com empresas no futuro para ajudar a automatizar os seus fluxos de trabalho.
O autor sénior do estudo, Vikram Iyer, professor assistente na Escola de Ciências da Computação e Engenharia Paul G. Allen da Universidade de Washington, afirmou que as pessoas estão dispostas a pagar mais por dispositivos mais sustentáveis, mas produtos como os telemóveis são compostos por centenas de chips e outros componentes, cujos dados de emissões de produção não são públicos e são difíceis de obter. A recolha manual por especialistas humanos pode levar dias ou até meses, enquanto os vários agentes de IA que conceberam podem trabalhar em conjunto e concluir a estimativa em menos de um minuto. O primeiro autor, Zhihan Zhang, doutorando na Escola Allen, explicou que entrevistaram especialistas em ACV e construíram o sistema para simular o processo de interação. Outros coautores incluem: Alexander Metzger, Felix Hähnlein, Zachary Englhardt e Shwetak Patel, da Escola Allen da Universidade de Washington; Yuxuan Mei, do Wellesley College (doutorando na Escola Allen da Universidade de Washington durante a realização do estudo); Tingyu Cheng, da Universidade de Notre Dame; Gregory D. Abowd, da Universidade Northeastern; e Adriana Schulz, da Universidade Brown (professora assistente na Escola Allen da Universidade de Washington durante a realização do estudo). Esta investigação foi financiada pelos Amazon Research Awards e pela National Science Foundation, e Zhang recebeu apoio da Google PhD Fellowship.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
