Do código à matéria
Na primavera de 2023, a Microsoft anunciou um investimento de
vários milhares de milhões de dólares na OpenAI, enquadrando a parceria
como um salto em direção a uma civilização mais limpa, mais inteligente e
mais eficiente. As imagens que acompanham tais anúncios são
invariavelmente etéreas: redes neurais luminosas, fluxos de dados sem
peso e algoritmos a dançar num espaço digital sem atrito. A inteligência
artificial (IA), no discurso dominante do Vale do Silício e do seu
ecossistema mediático, apresenta-se como a apoteose da desmaterialização
— uma tecnologia tão refinada, tão puramente cognitiva, que finalmente
escapou ao mundo sujo e entrópico das máquinas a vapor, das minas de
carvão e dos pavilhões fabris.
Este artigo defende que tais representações são ideológicas no
sentido marxista preciso: invertem a realidade, apresentando como
imaterial um processo que é profunda e consequentemente material.
Estima-se que o treino do GPT-4 tenha consumido energia equivalente ao
consumo anual de eletricidade de milhares de famílias.
[1]
Uma única consulta a um grande modelo de linguagem requer
aproximadamente dez vezes a eletricidade de uma pesquisa normal na
Internet.[2]
O consumo de água da Microsoft aumentou 34 por cento num único ano, um
aumento que o seu próprio relatório ambiental atribuiu diretamente à
expansão da infraestrutura de IA.[3]3
Estas não são ineficiências acidentais à espera de correção técnica;
são necessidades estruturais de uma tecnologia cujo substrato físico —
semicondutores, centros de dados, sistemas de refrigeração e redes de
transmissão — está entre as infraestruturas mais intensivas em recursos
que a humanidade já construiu.
O mito da desmaterialização digital tem uma longa genealogia.
Desde a década de 1990, os teóricos da "economia da informação" têm
defendido que a transição da indústria para os serviços, e dos átomos
para os bits, dissociaria o crescimento económico do consumo de
materiais.[4]
A ascensão da IA deu a esta tese uma nova e mais poderosa iteração: se
as tecnologias digitais anteriores se limitavam a processar informação, a
IA — segundo este argumento — gera inteligência por si própria, um
recurso cuja abundância não esgota a natureza, mas a transcende. Esta é a
visão que anima a retórica da "IA para o clima", da "IA para a
sustentabilidade" e a afirmação mais ampla de que o poder computacional
pode substituir os recursos naturais na resolução da crise ecológica.
O quadro teórico desenvolvido neste artigo desafia esta visão
nas suas bases. Recorro à tradição termodinâmica da economia política
ecológica, desde a obra fundamental de Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process,
até à síntese ecossocialista desenvolvida por John Bellamy Foster e
Brett Clark, para argumentar que a ascensão da IA no capitalismo não
representa uma transcendência do mundo material, mas sim uma
intensificação da relação entrópica do capital com ele.[5]
A segunda lei da termodinâmica é implacável na sua universalidade:
cada computação é um evento termodinâmico. Consome energia de baixa
entropia — ordenada, utilizável, livre para realizar trabalho — e
devolve resíduos de alta entropia à biosfera sob a forma de calor,
dióxido de carbono e matéria degradada. Nenhum algoritmo, por mais
elegante que seja, suspende esta lei. A questão não é se a IA produz
entropia, mas quanta, a que ritmo e quais os ecossistemas que absorvem
as consequências.
Karl Marx entendia a produção como um processo metabólico — uma
troca contínua entre as sociedades humanas e o mundo natural, mediada
pelo trabalho e pela tecnologia. Em O Capital, observou que a
maquinaria não cria energia, mas transforma e transmite as forças
naturais nela incorporadas, e que essa transformação envolve sempre o
consumo de substância natural.[6]
O que ele não poderia ter previsto era uma forma de acumulação de
capital em que a principal força produtiva é o poder computacional e em
que as exigências termodinâmicas desse poder colocariam uma pressão sem
precedentes sobre os sistemas energéticos planetários, as reservas de
água doce e a estabilidade climática. A ascensão da IA confronta-nos com
a necessidade de ampliar a análise metabólica de Marx ao domínio
digital.
A dinâmica da acumulação — A IA como um motor de alta entropia
A crise ecológica da IA não é, em primeiro lugar, um problema
termodinâmico. É um problema social e histórico. Os processos
específicos que estão a gerar o fardo ecológico da IA — a corrida
armamentista competitiva entre um punhado de monopólios tecnológicos, a
necessidade imperativa de aumentar a capacidade computacional
independentemente da utilidade social e a externalização sistemática dos
custos ecológicos para as comunidades e os ecossistemas do Sul Global —
são produtos de uma formação histórica específica: o capitalismo na
sua fase digital-monopolista. A termodinâmica não causa estes processos;
regista apenas as suas consequências. A segunda lei da termodinâmica
diz-nos que toda a computação degrada a energia. Não nos diz por que
razão a computação é organizada nesta escala, a este ritmo, para estes
fins e à custa de quem. Para isso, precisamos de uma análise social e
histórica. O que o quadro termodinâmico fornece, e o que o torna
indispensável, é uma explicação precisa de por que razão os danos
ecológicos gerados por estes processos sociais não são incidentais, mas
estruturais; não são corrigíveis por melhorias de eficiência, mas
agravam-se; e não são reversíveis por mecanismos de mercado, mas
permanentes.
Para compreender por que razão a IA é termodinamicamente
dispendiosa de uma forma estruturalmente necessária, e não contingente, é
essencial examinar a relação entre a escalabilidade computacional, a
acumulação de capital e o consumo de energia. Esta relação é regida por
dinâmicas que tornam o fardo ecológico da IA sob o capitalismo não
apenas grande, mas auto-reforçador e expansionista.
A base física do cálculo da IA é o processamento de vastas
quantidades de operações numéricas — multiplicações, adições e
comparações — realizadas por hardware especializado a uma velocidade
extraordinária. A energia necessária para realizar estas operações não é
insignificante. O estudo marcante de 2019 de Emma Strubell, Ananya
Ganesh e Andrew McCallum estimou que treinar um único grande modelo de
processamento de linguagem natural com pesquisa de arquitetura neural
produz emissões de dióxido de carbono comparáveis às emissões ao longo
da vida útil de cinco automóveis médios dos EUA.[7]
As gerações de modelos subsequentes têm sido substancialmente maiores.
Embora as empresas de tecnologia se tenham recusado a publicar dados
energéticos abrangentes para os seus sistemas mais recentes, análises
independentes sugerem que o treino de modelos de ponta, como o GPT-4,
consumiu energia da ordem de dezenas de gigawatts-hora, o suficiente
para abastecer uma pequena cidade durante semanas.[8]
A relação entre a escala do modelo e a demanda computacional
não é linear, mas superlinear. Pesquisas sobre leis de escala em grandes
modelos de linguagem estabeleceram que o desempenho do modelo varia
aproximadamente como uma função de potência do produto dos parâmetros do
modelo e dos dados de treino.[9]
Isso significa que melhorias incrementais na capacidade do modelo
exigem aumentos desproporcionais no investimento computacional. Para
melhorar o desempenho de um modelo numa percentagem fixa, o orçamento
computacional — e, portanto, o consumo de energia — deve aumentar numa
percentagem significativamente maior. Esta é a expressão termodinâmica
dos rendimentos decrescentes: à medida que os sistemas de IA de ponta
se aproximam dos limites de desempenho em tarefas de referência, cada
incremento adicional de extração de capacidade requer um input de
energia exponencialmente maior. O custo entrópico da inteligência, sob
os paradigmas tecnológicos atuais, aumenta mais rapidamente do que a
própria inteligência.
Esta dinâmica é ainda mais amplificada pela lógica da
acumulação de capital. A indústria da IA está organizada em torno de um
pequeno número de grandes empresas — Google, Microsoft, Amazon, Meta
(Facebook) e as suas congéneres chinesas — cuja posição competitiva
depende da manutenção da superioridade algorítmica. Neste contexto, a
capacidade computacional não é meramente um insumo de produção, mas um
ativo estratégico: a empresa com maiores recursos computacionais pode
treinar modelos maiores, atrair mais utilizadores e acumular mais dados,
reforçando assim o seu domínio de mercado. Isto cria o que se poderia
chamar de uma corrida ao armamento computacional, na qual cada empresa é
compelida a expandir a sua infraestrutura de IA não porque o benefício
social marginal da computação adicional justifique o custo marginal, mas
porque a lógica competitiva da acumulação de capital torna a contenção
equivalente à saída do mercado.[10]
Nenhuma empresa individual pode limitar voluntariamente o seu consumo
de energia sem ceder terreno aos rivais. O resultado é um fracasso de
ação coletiva de proporções históricas: a indústria como um todo
expande a sua pegada energética muito além do que qualquer avaliação
racional das necessidades sociais exigiria.
O mecanismo através do qual esta dinâmica opera é ilustrado
pelo Paradoxo de Jevons, identificado pela primeira vez pelo economista
inglês
William Stanley Jevons
na sua análise de 1865 sobre o consumo de carvão britânico. Jevons
observou que as melhorias na eficiência das máquinas a vapor — reduções
na quantidade de carvão necessária para realizar uma determinada unidade
de trabalho — não reduziram o consumo total de carvão, mas
aceleraram-no, porque os custos mais baixos do uso de energia
estimularam a expansão da atividade económica intensiva em energia.[11]
O paradoxo não é uma peculiaridade da economia política vitoriana; é
uma característica estrutural da acumulação de capital, operante sempre
que ganhos de eficiência reduzem o custo de um recurso e, assim,
estimulam a procura pelo seu uso.
No setor da IA, o Paradoxo de Jevons opera com particular
força. Gerações sucessivas de chips de IA — desde as arquiteturas A100,
H100 e Blackwell da NVIDIA — proporcionaram melhorias dramáticas na
eficiência computacional, medida em operações por watt. No entanto, o
consumo total de energia pela infraestrutura de IA tem aumentado de
forma contínua e acentuada, porque os ganhos de eficiência reduziram o
custo da computação de IA, estimularam a proliferação de aplicações de
IA, expandiram o volume de operações de inferência e aceleraram o
desenvolvimento de modelos cada vez maiores. A própria análise da OpenAI
revelou que os requisitos computacionais das sessões de treino de IA de
ponta duplicaram aproximadamente a cada 3,4 meses entre 2012 e 2018 —
uma taxa de aumento que excedeu em muito as melhorias de eficiência
proporcionadas pelos avanços de hardware.[12]
A Agência Internacional de Energia previu em 2024 que o consumo de
eletricidade dos centros de dados poderia ultrapassar os 1 000
terawatts-hora por ano até 2026, o que equivale aproximadamente à
totalidade da procura nacional de eletricidade do Japão.[13]
São estes processos sociais e históricos concretos — a corrida
ao armamento monopolista, a dinâmica de Jevons e a impossibilidade
estrutural de uma restrição voluntária no âmbito da acumulação
competitiva — que a termodinâmica regista, mas não consegue, por si só,
explicar. A termodinâmica do não-equilíbrio de
Ilya Prigogine, desenvolvida de forma mais completa em Order Out of Chaos, fornece a ponte conceptual entre a lógica social do capital e as suas consequências físicas.[14]
Prigogine demonstrou que os sistemas complexos que estão longe do
equilíbrio termodinâmico — as chamadas estruturas dissipativas — mantêm a
sua ordem interna importando continuamente energia de baixa entropia do
seu ambiente e exportando resíduos de alta entropia. A célula viva, o
furacão e a chama são, todos, estruturas dissipativas neste sentido:
sustentam a sua complexidade interna à custa do aumento da entropia no
seu entorno. Mas a intuição mais profunda de Prigogine, e a mais
relevante para os nossos propósitos atuais, é que os processos que
conduzem as estruturas dissipativas para longe do equilíbrio são
irreversíveis. A entropia gerada no ambiente circundante não pode ser
recuperada; a degradação do ambiente é permanente. Esta
irreversibilidade não é um efeito secundário da ineficiência, é a
assinatura termodinâmica dos próprios processos dissipativos.
O complexo capitalista de IA é uma estrutura dissipativa deste
tipo, mas uma em que a escala, a taxa de crescimento e a
irreversibilidade são determinadas não por dinâmicas naturais, mas pelos
imperativos da acumulação de capital. Mantém a ordem interna do lucro
empresarial, da otimização algorítmica e do domínio do mercado,
esgotando continuamente as reservas de baixa entropia da biosfera —
combustíveis fósseis, água doce e minérios — e devolvendo-as como
resíduos de alta entropia: dióxido de carbono, poluição térmica e lixo
eletrónico. O dióxido de carbono emitido pelos centros de dados
acumula-se na atmosfera em escalas temporais de séculos. Os aquíferos
esgotados pelos sistemas de refrigeração reabastecem-se em escalas
temporais de milénios, se é que o fazem. Os ecossistemas perturbados
pela extração mineral na Bacia do Congo ou no Deserto de Atacama não
regressam aos seus estados anteriores quando as minas fecham. O que o
capitalismo faz, através da lógica competitiva da acumulação de IA, é
impulsionar estes processos dissipativos a um ritmo e numa escala que
sobrecarregam a capacidade regenerativa dos sistemas naturais,
consolidando danos ecológicos que nenhuma solução tecnológica futura
poderá reverter. A ordem do algoritmo é adquirida ao preço de uma
desordem permanente na atmosfera, nas bacias hidrográficas e no solo.
Este enquadramento permite-nos ver o que a narrativa
tecno-otimista esconde: que a "inteligência" produzida pelos sistemas
de IA não é um dom gratuito da tecnologia da informação, mas um produto
termodinâmico, extraído da natureza a um custo que o mercado
sistematicamente não regista. As contas financeiras das empresas de
tecnologia registam as receitas geradas pelos serviços de IA; não
registam o fardo entrópico imposto aos ecossistemas, às comunidades e
aos sistemas climáticos pelos fluxos de energia e materiais que tornam
esses serviços possíveis. Não se trata de um erro contabilístico, mas de
uma característica estrutural da relação do capitalismo com a natureza —
aquilo a que Foster, Clark e Richard York chamaram a "fractura
ecológica": a separação sistemática dos custos de produção dos locais e
dos sujeitos que os suportam.[15]
Uma outra dimensão da análise termodinâmica diz respeito à
relação entre o treino da IA e a inferência da IA. O treino, o processo
de otimização dos parâmetros de um modelo em grandes conjuntos de dados,
é computacionalmente intensivo, mas ocorre uma única vez. A inferência,
o processo de executar um modelo treinado para gerar resultados, é
individualmente menos intensiva, mas ocorre continuamente, mil milhões
de vezes por dia, em toda a implantação global de sistemas de IA. À
medida que a IA é integrada a motores de busca, software de
produtividade, diagnósticos de saúde, pesquisa jurídica, análise
financeira e sistemas de mira militar, a demanda energética agregada da
inferência cresce proporcionalmente à escala de implantação. A Goldman
Sachs Research estimou que a procura de energia da inferência de IA
poderia exceder a do treino ainda nesta década, à medida que a
implantação se expande.[16]
Isto significa que o impacto ecológico da IA não é um custo pontual da
construção do sistema, mas um encargo contínuo e crescente sobre os
orçamentos de energia e água do planeta — um encargo cuja taxa aumenta
com cada nova aplicação, cada novo utilizador e cada nova ronda de
acumulação de capital no setor da IA.
O quadro que se desenha é aquele em que a crise ecológica da IA
é produzida não pela termodinâmica em si, mas pelos processos sociais e
históricos específicos de acumulação de capital — a corrida
armamentista competitiva, a dinâmica de Jevons e a externalização
sistemática dos custos ecológicos — que, em conjunto, impulsionam
processos dissipativos de não reversibilidade prigoginiana à escala
planetária. A entropia é a medida do dano; a acumulação de capital é a
sua causa.
A fenda (rift) energética: Energia, água e extração de minerais
A análise termodinâmica da secção anterior estabelece a lógica
estrutural das necessidades energéticas da IA. Esta secção examina a
realidade material dessas necessidades em três dimensões:
eletricidade, água e minerais críticos. Em conjunto, estes três vetores
de extração constituem o que podemos chamar, adaptando o conceito de
"fenda metabólica" de Foster e Clark, de uma "fenda energética"
específica da era digital: uma ruptura sistemática da relação metabólica
entre os sistemas tecnológicos humanos e os ciclos naturais que os
sustentam, mediada pelas desigualdades espaciais e sociais do
capitalismo global.[17]
Eletricidade: A rede sob cerco
A dimensão mais imediatamente visível da pegada ecológica da IA
é a sua demanda por energia elétrica. Os centros de dados — a
infraestrutura física da IA, que abrigam os servidores que treinam
modelos e processam pedidos de inferência — estão entre as instalações
que mais consomem eletricidade na economia moderna. Um grande centro de
dados de hiperescala, do tipo operado pela Google, Microsoft ou Amazon,
pode consumir entre 100 e 500 megawatts de energia continuamente —
comparável à procura de eletricidade de uma cidade de média dimensão. A
expansão da IA acelerou drasticamente a construção de tais instalações.
Só a Microsoft anunciou planos, em 2024, para investir 100 mil milhões
de dólares em nova infraestrutura de centros de dados a nível global,
com compromissos semelhantes por parte da Google, Amazon e Meta.
[18]
A escala desta expansão está a exercer uma pressão aguda sobre
as redes elétricas em regiões onde a construção de centros de dados está
concentrada. Na Virgínia do Norte, que alberga a maior concentração de
centros de dados do mundo, os operadores de rede alertaram que o
crescimento planeado dos centros de dados ameaça ultrapassar a
capacidade de geração e transmissão de eletricidade da região, podendo
exigir a construção de novas centrais de combustíveis fósseis para
satisfazer a procura.
[19]
Na Irlanda, os centros de dados já representam aproximadamente 21 por
cento do consumo total de eletricidade do país — um valor que, segundo
as projeções do operador da rede nacional, poderá subir para 32 por
cento até 2031, prejudicando a capacidade de energia renovável destinada
à descarbonização doméstica e industrial.[20]
Em Singapura, o governo impôs uma moratória à construção de novos
centros de dados entre 2019 e 2022, invocando restrições energéticas,
antes de a levantar sob pressão das empresas de tecnologia.
A relação entre a procura de eletricidade da IA e a transição
energética é profundamente contraditória. As empresas de tecnologia
assumiram compromissos de grande visibilidade para alimentar as suas
operações com energia renovável e investiram substancialmente em
contratos de compra de energia eólica e solar. Mas esses compromissos
são sistematicamente comprometidos por três dinâmicas estruturais. Em
primeiro lugar, o desfasamento temporal entre a disponibilidade de
energia renovável — que é intermitente, dependente das condições eólicas
e solares — e a procura dos centros de dados, que é contínua e não pode
ser interrompida, significa que os contratos de compra de energia
renovável frequentemente não correspondem aos padrões reais de consumo
de eletricidade. A eletricidade que circula pelos circuitos dos centros
de dados em qualquer momento pode ser gerada por centrais a gás natural,
carvão ou energia nuclear, independentemente dos contratos de energia
renovável que a empresa tenha assinado.
[21]
Em segundo lugar, e de forma mais fundamental, o crescimento da
procura de eletricidade para a IA está a ultrapassar a expansão da
capacidade de energia renovável. Uma análise de 2024 da Agência
Internacional de Energia concluiu que o crescimento projetado da procura
de eletricidade dos centros de dados consumiria uma parte substancial
da nova geração renovável em vários mercados importantes, efetivamente
prejudicando a descarbonização noutros setores.[22]
A construção de capacidade renovável para alimentar a IA não aumenta a
oferta de energia limpa disponível para a economia em geral; absorve
energia limpa que, de outra forma, substituiria os combustíveis fósseis
noutros setores.
Em terceiro lugar, os requisitos de fiabilidade da
infraestrutura de IA levaram as empresas de tecnologia a procurar
contratos de longo prazo para a produção de eletricidade a gás natural. O
acordo da Microsoft com a Constellation Energy para reabrir a central
nuclear de Three Mile Island atraiu considerável publicidade, mas menos
notado foi o padrão mais amplo de empresas de tecnologia a assinar
acordos de capacidade com geradores a gás para garantir um fornecimento
de energia firme.[23]
A lógica ecológica é gritante: a expansão da IA está a prolongar
diretamente a vida económica da infraestrutura de combustíveis fósseis,
fixando as emissões de carbono nas próximas décadas.
Água: O metabolismo oculto
Se a eletricidade é a face visível das exigências ecológicas da
IA, a água é o seu metabolismo oculto. Os centros de dados requerem
vastas quantidades de água doce para arrefecimento, seja através de
sistemas de refrigeração por evaporação direta que consomem água na
forma de vapor, seja através da refrigeração das centrais termoelétricas
que fornecem a sua eletricidade. Esta procura de água é estruturalmente
invisível na maioria das avaliações públicas do impacto ambiental da
IA, mas representa uma das dimensões mais graves e localmente agudas da
pegada ecológica da tecnologia.
O estudo de 2023 de Pengfei Li e colegas forneceu as primeiras
estimativas sistemáticas do consumo de água da IA, calculando que o
treino do GPT-3 exigiu aproximadamente 700 000 litros de água doce — o
suficiente para produzir 370 automóveis BMW ou 320 veículos elétricos
Tesla.[24]
No que diz respeito à inferência, o quadro é igualmente impressionante:
o estudo estimou que uma conversa de entre vinte e cinquenta
perguntas com o ChatGPT consome aproximadamente 500 mililitros de água.
Multiplicado por milhões de utilizadores diários, isto representa uma
procura agregada de água doce de uma escala extraordinária.
Os dados de divulgação corporativa confirmam a tendência. O
relatório ambiental da Microsoft de 2022 revelou um aumento de 34% no
consumo global de água em relação ao ano anterior, atribuindo
explicitamente o aumento à expansão da infraestrutura de IA.[25] O Google relatou um aumento de 20% no consumo de água durante o mesmo período.[26]
Estas não são flutuações marginais; representam uma mudança estrutural
na procura de água doce do setor tecnológico, impulsionada diretamente
pela expansão dos sistemas de IA.
A geografia deste consumo de água não é neutra. Os centros de
dados são frequentemente localizados em regiões selecionadas por causa
de terrenos baratos, regimes fiscais favoráveis e condições climáticas
adequadas para refrigeração, critérios que levam habitualmente as
empresas de tecnologia a instalar-se em áreas com escassez de água
existente ou emergente. No sudoeste dos EUA, os centros de dados
competem pela água com a agricultura e os sistemas municipais numa
região que já enfrenta condições de seca severa, agravadas pelas
alterações climáticas. No Chile, as empresas de tecnologia estabeleceram
instalações de centros de dados na região de Atacama e nas suas
proximidades, recorrendo aos recursos hídricos de um dos ecossistemas
mais secos do mundo — recursos dos quais as comunidades indígenas
atacameñas e os pequenos agricultores dependem para a sua sobrevivência.[27]
Nos estados de Telangana e Andhra Pradesh, na Índia, os parques de
centros de dados propostos têm enfrentado resistência local devido a
preocupações com o esgotamento das águas subterrâneas em áreas que já
sofrem de escassez de água para a agricultura.
Este padrão espacial reproduz, no domínio específico da
infraestrutura digital, a lógica mais ampla do que Rob Nixon chama de
“violência lenta” — as formas graduais, dispersas e temporalmente
atenuadas de dano ecológico que não são registadas como eventos nos
meios de comunicação ou nos sistemas políticos dominados por catástrofes
dramáticas e instantâneas.[28]
A redução de um aquífero regional devido às operações de refrigeração
dos centros de dados ocorre ao longo de anos e décadas, afetando
comunidades cuja insegurança hídrica já é crónica e cuja voz política é
limitada. Não gera manchetes. Não aparece nos relatórios de
sustentabilidade das empresas de tecnologia. Mas é materialmente real,
termodinamicamente necessário e estruturalmente determinado pela lógica
competitiva da acumulação de IA.
Minerais: A base extrativa
A terceira dimensão da fenda energética da IA é a base
extrativa do seu hardware. Os semicondutores, servidores, sistemas de
armazenamento e equipamentos de rede que constituem a infraestrutura da
IA requerem um conjunto complexo de minerais críticos — lítio, cobalto,
tântalo, neodímio, disprósio, índio, gálio e outros — cuja extração
envolve danos ecológicos graves e concentrados, suportados de forma
desproporcional pelas comunidades do Sul Global.
A geografia da extração de minerais críticos corresponde quase
exatamente à geografia da extração colonial histórica. A República
Democrática do Congo fornece aproximadamente 70 por cento da produção
global de cobalto, grande parte proveniente de minas artesanais que
operam em condições de grave degradação ambiental e exploração laboral,
incluindo o uso generalizado de trabalho infantil.[29]
A Bolívia, o Chile e a Argentina — o "triângulo do lítio" — detêm a
maioria das reservas globais de lítio, e a sua extração envolve a
drenagem de aquíferos salinos em ecossistemas de alta altitude de
excepcional sensibilidade ecológica. Os elementos de terras raras,
essenciais para os ímanes permanentes utilizados nas ventoinhas de
refrigeração e nos sistemas de alimentação dos centros de dados,
concentram-se na China, em Mianmar e na República Democrática do Congo,
sendo que as operações de processamento geram fluxos de resíduos
radioativos e tóxicos.
A aceleração do desenvolvimento de hardware de IA agrava estas
pressões extrativistas através da lógica da obsolescência programada. A
dinâmica competitiva da corrida ao armamento da IA exige que as empresas
de tecnologia atualizem continuamente o seu hardware — substituindo
gerações anteriores de GPUs e aceleradores de IA personalizados por
modelos mais recentes e potentes em ciclos de dois a três anos. Isto
gera enormes quantidades de resíduos eletrónicos: servidores, GPUs,
módulos de memória e equipamento de rede descartados que contêm
materiais tóxicos, incluindo chumbo, mercúrio, cádmio e retardadores de
chama bromados. A geração global de resíduos eletrónicos atingiu 62
milhões de toneladas métricas em 2022 e prevê-se que cresça para 82
milhões de toneladas métricas até 2030.[30]
Uma proporção substancial destes resíduos é exportada, muitas vezes em
violação da Convenção de Basileia, para instalações de processamento na
África Ocidental, Ásia Meridional e Sudeste Asiático, onde é manuseada
em condições de grave risco para a saúde e o ambiente.
O conceito de troca ecológica desigual tem uma história longa e
contestada, enraizada na tradição mais ampla da troca desigual e na
crítica marxista ao imperialismo. Baseando-se nesta rica linhagem
intelectual — que se estende desde as teorias clássicas do imperialismo
até à teoria da dependência e à análise dos sistemas mundiais —, os
estudiosos têm incorporado progressivamente dimensões ecológicas na
análise das assimetrias Norte-Sul.[31]
A contribuição de Clark e Foster para este quadro assenta
principalmente na crítica ao imperialismo ecológico: o reconhecimento
de que a relação metabólica entre o Norte Global e o Sul Global não é
meramente uma assimetria económica, mas sim ecológica, na qual a
periferia absorve os custos ambientais da acumulação do centro.[32] Este quadro fornece a base teórica para compreender a economia política global do metabolismo material da IA.
Estes três vetores de extração — eletricidade, água e minerais —
não são independentes; são dimensões interligadas de um único sistema
metabólico organizado pelos imperativos da acumulação de capital. Os
centros de dados requerem eletricidade, o que requer infraestruturas
energéticas, que, por sua vez, requerem minerais e água. Os sistemas de
refrigeração precisam de água, que compete com a agricultura e o
abastecimento municipal, afetando os sistemas alimentares e a saúde
humana. A produção de hardware requer minerais e a extração de minerais,
gerando resíduos, o que apresenta problemas de eliminação que causam
mais danos ecológicos. A fenda energética da IA não é uma única ruptura
no metabolismo da natureza, mas uma perturbação em cascata em múltiplos
sistemas ecológicos, coordenada pela mão invisível do capital e tornada
invisível pelo aparelho ideológico da desmaterialização digital.
Os limites termodinâmicos do capital
As evidências materiais reunidas na secção anterior apontam
para além da escala da crise, para a sua estrutura. O que o registo
empírico da procura de eletricidade, do esgotamento da água e da
extração de minerais revela não é uma série de falhas de mercado
independentes, mas uma única lógica sistémica — que requer uma
explicação teórica, e não meramente técnica.
A crise ecológica gerada pelo capitalismo da IA não se reduz a
um problema de custos de produção crescentes ou a restrições do lado da
oferta à acumulação. Representa, antes, um ataque sistemático às
capacidades regenerativas do próprio mundo natural. Como argumentou
Foster, a relação do capitalismo com a natureza é definida por um
antagonismo estrutural: a lógica da acumulação infinita é
irreconciliável com os limites regenerativos finitos dos sistemas
naturais.[33]
O capital não se limita a explorar a natureza como condição de
produção; rompe metabolicamente os ciclos e as relações através dos
quais a natureza se reproduz. Paul Burkett aprofunda esta análise
recuperando de Marx uma concepção da natureza que recusa a redução ao
valor instrumental.[34]
Os sistemas naturais possuem valores de uso que são irredutíveis ao seu
papel no processo de produção, e a destruição sistemática destes
valores de uso pelo capitalismo — a sua conversão de ecossistemas vivos
em inputs e sumidouros de resíduos — constitui uma crise ecológica no
sentido mais pleno: não uma crise de rentabilidade, mas uma crise das
condições biofísicas da própria vida.
A economia da IA representa uma intensificação aguda desta
dinâmica. Os centros de dados, os sistemas de refrigeração e as cadeias
de abastecimento de minerais que sustentam a infraestrutura da IA não
estão simplesmente a esgotar os recursos naturais no sentido económico
de aumentar os custos dos fatores de produção. Estão a participar numa
degradação cumulativa e em grande parte irreversível dos sistemas
hídricos, das ecologias energéticas e das paisagens extrativas das quais
depende tanto a vida humana como a não humana. Esta degradação não
aparece nos balanços das empresas de tecnologia, não porque seja
economicamente marginal, mas porque o sistema contabilístico do capital é
estruturalmente incapaz de registar a destruição de valores que nunca
foram mercantilizados. A crise ecológica da IA não é, portanto, uma
falha de mercado à espera de uma correção de mercado; é uma expressão do
que o capitalismo faz à natureza quando opera sem limites.
A resposta dominante a esta contradição no âmbito da governação
capitalista é o discurso da IA verde e da computação sustentável — a
alegação de que a crise ecológica da IA pode ser resolvida através da
inovação tecnológica, dos mecanismos de mercado e do compromisso
voluntário das empresas. Esta resposta merece uma atenção analítica
séria, não porque seja convincente, mas porque compreender o seu
fracasso ilumina o caráter estrutural do problema.
O discurso da IA verde assenta em três alegações: que as
energias renováveis podem satisfazer as necessidades de eletricidade da
IA sem danos ecológicos líquidos; que as melhorias na eficiência do
hardware reduzirão o custo ecológico unitário da computação o suficiente
para compensar o crescimento da procura total; e que a própria IA
gerará benefícios ambientais — através da modelação climática, da
otimização energética e da ciência dos materiais — que superam os seus
custos ecológicos. Cada uma destas alegações é minada pela dinâmica
estrutural da acumulação de capital.
A alegação sobre as energias renováveis falha, como referido
acima, porque a procura de eletricidade da IA está a crescer mais
rapidamente do que a capacidade renovável, porque os desfasamentos
temporais entre a oferta renovável e a procura dos centros de dados
exigem a geração de reserva a partir de combustíveis fósseis e porque as
empresas tecnológicas estão a contratar ativamente capacidade a gás
para garantir a fiabilidade. A alegação sobre a eficiência falha devido
ao Paradoxo de Jevons: as melhorias na eficiência do hardware reduzem o
custo da computação e, assim, estimulam uma maior procura, produzindo
um consumo total de energia mais elevado em vez de mais baixo. A
alegação do benefício líquido falha porque trata os custos e benefícios
ecológicos da IA como comensuráveis e negociáveis, quando, na realidade,
os custos ecológicos são concentrados, locais e suportados por
comunidades vulneráveis. Entretanto, os benefícios são difusos,
especulativos e apropriados por acionistas e consumidores em países
ricos. Não existe nenhum mecanismo de mercado capaz de agregar estes
efeitos distribuídos assimetricamente numa contabilidade social
racional.[35]
Os mecanismos de compensação de carbono e de compromissos de
zero emissões líquidas, através dos quais as empresas tecnológicas gerem
a sua contabilidade ecológica pública, estão sujeitos a críticas
análogas. As compensações de carbono — pagamentos a projetos que alegam
reduzir emissões noutros locais, compensando as próprias emissões de uma
empresa — são afetadas por problemas de adicionalidade, permanência e
verificação que tornam muitas delas ecologicamente fictícias.[36]
Os compromissos de zero emissões líquidas que dependem substancialmente
de compensações, em vez de reduções absolutas de emissões, são, em
termos termodinâmicos, manobras contabilísticas em vez de intervenções
físicas: não reduzem a entropia gerada pelas operações dos centros de
dados; adquirem direitos sobre reduções de entropia noutros locais,
muitos dos quais não se concretizam. Como Clark e York demonstraram na
sua análise do metabolismo do carbono, a fissura biosférica gerada pelo
capitalismo dos combustíveis fósseis não é uma externalidade a ser
precificada e gerida, mas uma característica estrutural da relação do
capital com o ciclo do carbono — uma relação que a expansão da
infraestrutura de IA está agora a aprofundar e a acelerar.[37]
Uma crítica mais fundamental diz respeito à relação entre
eficiência e escala. A história do capitalismo industrial é uma história
de melhorias de eficiência que têm sido consistentemente ofuscadas pela
expansão da escala, uma história que Georgescu-Roegen analisou como a
consequência inevitável da aplicação de insights termodinâmicos a um sistema económico organizado em torno do crescimento ilimitado.[38]
Não há melhoria de eficiência, por mais dramática que seja, que possa
tornar sustentável um sistema em expansão exponencial num planeta finito
com um orçamento de entropia fixo. A questão não é se a IA pode ser
tornada mais eficiente — pode, e as melhorias são reais —, mas se as
melhorias de eficiência podem ultrapassar o crescimento da procura
impulsionado pela acumulação competitiva. As evidências da última década
sugerem que não podem. A lógica termodinâmica da acumulação de capital
fornece a razão estrutural para tal.
Isto leva-nos ao que poderíamos chamar de limite termodinâmico
do capital: o ponto em que a entropia gerada pela acumulação de
capital excede a capacidade da biosfera de a absorver sem uma
perturbação catastrófica dos sistemas — clima, hidrologia,
biodiversidade e fertilidade do solo — dos quais a civilização humana
depende. Este limite não é um limiar preciso que possa ser identificado
antecipadamente; é uma zona de crise crescente, já alcançada em várias
dimensões (concentração de carbono na atmosfera, esgotamento da água
doce e perda de biodiversidade) e a ser alcançada noutras. A expansão da
IA sob o atual regime de acumulação de capital não está a afastar a
civilização deste limite, mas sim a aproximá-la dele, a um ritmo
acelerado.
A economia política desta trajetória é clara. Os custos de nos
aproximarmos do limite termodinâmico do capital não são suportados por
aqueles que impulsionam a acumulação, ou seja, os acionistas, executivos
e investidores institucionais das empresas de tecnologia cuja dinâmica
competitiva determina o ritmo da expansão da IA. São suportados pelas
comunidades em regiões com escassez de água, cujos aquíferos são
esgotados pela refrigeração dos centros de dados, pelos trabalhadores em
minas artesanais, cuja saúde é destruída pela extração de minerais,
pelas populações em países vulneráveis às alterações climáticas, cuja
segurança alimentar é ameaçada pelas emissões de carbono, e pelas
gerações futuras que irão herdar um planeta com uma capacidade reduzida
de autorregulação ecológica. Esta é a economia política da entropia: a
privatização dos benefícios do consumo de baixa entropia e a
socialização dos custos dos resíduos de alta entropia.[39]
Nenhuma inovação técnica pode resolver esta economia política,
porque não se trata de um problema técnico. É um problema de poder — de
quem controla os meios de computação, de quem determina os fins para os
quais a capacidade computacional é utilizada e de quem suporta os custos
ecológicos dessa utilização. Abordar esta questão requer não melhores
algoritmos ou chips mais eficientes, mas uma transformação fundamental
das relações sociais de produção na economia digital. Requer, em suma,
uma política adequada aos desafios termodinâmicos do momento presente.
Conclusão
A análise social e histórica desenvolvida neste artigo leva a
uma conclusão que o discurso dominante sobre IA e sustentabilidade evita
sistematicamente: a crise ecológica da IA não é um problema de
inovação insuficiente ou de responsabilidade corporativa inadequada, mas
uma expressão estrutural da tensão irresolúvel do capitalismo com os
limites biofísicos do planeta. Os processos específicos que impulsionam
esta crise — a corrida ao armamento monopolista, a dinâmica de Jevons e a
transferência sistemática dos custos ecológicos para o Sul Global — não
são avarias técnicas à espera de soluções de engenharia. São as
operações normais da acumulação de capital na sua fase
monopolista-digital, registadas em termos termodinâmicos como processos
dissipativos de não reversibilidade prigoginiana: permanentes,
cumulativos e fora do alcance da correção do mercado.
A tradição ecossocialista oferece o ponto de partida
teoricamente mais coerente para uma alternativa. Como argumentou Foster,
a ruptura metabólica entre o capital e a natureza não pode ser reparada
dentro do próprio quadro institucional do capitalismo; requer uma
reorganização fundamental das relações sociais de produção — uma que
subordine os imperativos da acumulação aos limites regenerativos do
mundo natural. Uma lógica eco-socialista da computação assentaria em
três compromissos fundamentais. Em primeiro lugar, assentaria no
controlo democrático da infraestrutura computacional: os centros de
dados, as plataformas de IA e as redes que os ligam constituem uma
infraestrutura social crítica cuja governação não pode ser deixada aos
imperativos competitivos do capital privado. Tal como as redes elétricas
e os sistemas de água, exigem responsabilização democrática: formas
de controlo social que permitam às comunidades determinar os fins para
os quais a capacidade computacional é utilizada e os termos em que os
seus custos ecológicos são distribuídos. Em segundo lugar, exigiria uma
reorientação das prioridades de investigação e desenvolvimento,
afastando-as de aplicações que maximizam o lucro — otimização
publicitária, transações financeiras e vigilância laboral — em direção a
aplicações que sirvam genuinamente as necessidades sociais. Isto inclui
a gestão de energias renováveis, a saúde pública, a monitorização
ecológica e a educação. Em terceiro lugar, e mais fundamentalmente,
exigiria a aceitação de que a escala da atividade computacional deve ser
limitada pelos limites ecológicos. A suficiência — entendida como
computar o suficiente, em vez de computar mais — deve tornar-se um
princípio organizador, substituindo o imperativo de crescimento que
impulsiona a atual corrida ao armamento da IA.
Nenhuma destas transformações é iminente, e nenhuma pode ser
alcançada apenas por meios técnicos. A irreversibilidade que Prigogine
identificou nos sistemas dissipativos tem o seu análogo social nas
dependências de trajetória da infraestrutura capitalista: os centros
de dados já construídos, os contratos de combustíveis fósseis já
assinados e as paisagens de extração já degradadas. O que a política
ecossocialista pode realizar não é a reversão dos danos passados, mas a
interrupção dos processos que geram danos futuros — uma ruptura na
lógica social da acumulação que a termodinâmica regista, mas que por si
só não pode produzir. A questão que se nos coloca não é se os limites do
capital se afirmarão, mas se serão confrontados nos termos
estabelecidos por sociedades democráticas empenhadas na sobrevivência
ecológica, ou nos termos impostos pelas crises em cascata de uma
biosfera empurrada para além da sua capacidade regenerativa. O algoritmo
não decide. A política é que decide.
