A inteligência synthetic ganhou as manchetes recentemente por sua demandas energéticas em rápido crescimentoe, particularmente, o aumento uso de eletricidade de information facilities que permitem o treinamento e a implantação dos mais recentes modelos de IA generativa. Mas nem tudo são más notícias: algumas ferramentas de IA têm o potencial de reduzir algumas formas de consumo de energia e permitir redes mais limpas.
Uma das aplicações mais promissoras é a utilização da IA para otimizar a rede elétrica, o que melhoraria a eficiência, aumentaria a resiliência a condições meteorológicas extremas e permitiria a integração de mais energias renováveis. Para saber mais, Notícias do MIT falei com Priya Dontiprofessor de desenvolvimento de carreira da família Silverman no Departamento de Engenharia Elétrica e Ciência da Computação (EECS) do MIT e pesquisador principal do Laboratório de Sistemas de Informação e Decisão (LIDS), cujo trabalho se concentra na aplicação de aprendizado de máquina para otimizar a rede elétrica.
P: Por que a rede elétrica precisa ser otimizada em primeiro lugar?
UM: Precisamos manter um equilíbrio exato entre a quantidade de energia que é colocada na rede e a quantidade que sai a cada momento. Mas do lado da procura, temos alguma incerteza. As empresas de energia não pedem aos clientes que registrem previamente a quantidade de energia que vão usar, portanto, algumas estimativas e previsões devem ser feitas.
Depois, do lado da oferta, existe normalmente alguma variação nos custos e na disponibilidade de combustível, à qual os gestores da rede precisam de responder. Isto tornou-se um problema ainda maior devido à integração de energia proveniente de fontes renováveis que variam no tempo, como a photo voltaic e a eólica, onde a incerteza climática pode ter um grande impacto na quantidade de energia disponível. Então, ao mesmo tempo, dependendo de como a energia flui na rede, há alguma perda de energia através do calor resistivo nas linhas de energia. Então, como operador de rede, como você pode ter certeza de que tudo está funcionando o tempo todo? É aí que entra a otimização.
P: Como a IA pode ser mais útil na otimização da rede elétrica?
UM: Uma forma pela qual a IA pode ser útil é utilizar uma combinação de dados históricos e em tempo actual para fazer previsões mais precisas sobre a quantidade de energia renovável disponível num determinado momento. Isto poderia levar a uma rede elétrica mais limpa, permitindo-nos manusear e utilizar melhor esses recursos.
A IA também poderia ajudar a resolver os complexos problemas de otimização que os operadores da rede elétrica devem resolver para equilibrar a oferta e a procura de uma forma que também reduza os custos. Estes problemas de otimização são usados para determinar quais geradores de energia devem produzir energia, quanto devem produzir e quando devem produzi-la, bem como quando as baterias devem ser carregadas e descarregadas e se podemos aproveitar a flexibilidade nas cargas de energia. Esses problemas de otimização são tão caros do ponto de vista computacional que os operadores usam aproximações para que possam resolvê-los em um período de tempo viável. Mas estas aproximações estão muitas vezes erradas e, quando integramos mais energias renováveis na rede, elas são ainda mais prejudicadas. A IA pode ajudar, fornecendo aproximações mais precisas e mais rápidas, que podem ser implementadas em tempo actual para ajudar os operadores da rede a gerir a rede de forma responsiva e proativa.
A IA também pode ser útil no planeamento de redes elétricas da próxima geração. O planejamento de redes elétricas exige o uso de enormes modelos de simulação, para que a IA possa desempenhar um grande papel na execução desses modelos com mais eficiência. A tecnologia também pode ajudar na manutenção preditiva, detectando onde é provável que ocorram comportamentos anómalos na rede, reduzindo as ineficiências resultantes de interrupções. De forma mais ampla, a IA também poderia ser aplicada para acelerar a experimentação destinada a criar melhores baterias, o que permitiria a integração de mais energia proveniente de fontes renováveis na rede.
P: Como devemos pensar sobre os prós e os contras da IA, na perspectiva do sector energético?
UM: Uma coisa importante a lembrar é que a IA se refere a um conjunto heterogêneo de tecnologias. Existem diferentes tipos e tamanhos de modelos usados, e diferentes maneiras de usá-los. Se você estiver usando um modelo treinado em uma quantidade menor de dados com um número menor de parâmetros, isso consumirá muito menos energia do que um modelo grande de uso geral.
No contexto do sector da energia, há muitos locais onde, se utilizar estes modelos de IA específicos para as aplicações a que se destinam, a compensação custo-benefício funciona a seu favor. Nestes casos, as aplicações permitem benefícios do ponto de vista da sustentabilidade – como a incorporação de mais energias renováveis na rede e o apoio a estratégias de descarbonização.
No geral, é importante pensar se os tipos de investimentos que estamos a fazer em IA correspondem realmente aos benefícios que queremos da IA. No nível social, acho que a resposta a essa pergunta agora é “não”. Há muito desenvolvimento e expansão de um subconjunto específico de tecnologias de IA, e estas não são as tecnologias que trarão os maiores benefícios em aplicações energéticas e climáticas. Não estou a dizer que estas tecnologias são inúteis, mas são incrivelmente intensivas em recursos, ao mesmo tempo que não são responsáveis pela maior parte dos benefícios que poderiam ser sentidos no sector da energia.
Estou entusiasmado por desenvolver algoritmos de IA que respeitem as restrições físicas da rede elétrica para que possamos implementá-los com credibilidade. Este é um problema difícil de resolver. Se um LLM diz algo que está ligeiramente incorreto, como humanos, geralmente podemos corrigir isso em nossas cabeças. Mas se você cometer um erro da mesma magnitude ao otimizar uma rede elétrica, isso poderá causar um apagão em grande escala. Precisamos de construir modelos de forma diferente, mas isto também proporciona uma oportunidade de beneficiar do nosso conhecimento de como funciona a física da rede eléctrica.
E, de forma mais ampla, penso que é elementary que nós, membros da comunidade técnica, coloquemos os nossos esforços no sentido de promover um sistema mais democratizado de desenvolvimento e implementação de IA, e que isso seja feito de uma forma que esteja alinhada com as necessidades das aplicações no terreno.