Modelo de IA em escala é caro e extrativista, mas há alternativas, diz Karen Hao, autora de 'O Império da IA' 🧵

No livro, Hao descreve como a corrida por modelos gigantes foi moldada pelo pioneirismo da OpenAI. Treinamento em larga escala exige enormes volumes de dados, poder de computação e energia — custos que concentram poder em poucos atores.

Os impactos que ela destaca: extração massiva de dados sem consentimento claro, pegada energética elevada e cadeia de trabalho invisível (anotadores e moderadores expostos). Segundo Hao, isso torna o modelo atual também um problema social e ambiental.

Há alternativas técnicas e organizacionais: modelos menores e mais eficientes, fine-tuning, compressão (distillation), iniciativas open-source como BLOOM e LLaMA, e abordagens como aprendizado federado e conjuntos de dados responsáveis.

Reflexão final: reduzir escala não é retroceder — é repensar prioridades. Transparência, financiamento público a alternativas abertas e regras claras podem democratizar acesso, proteger trabalhadores e reduzir danos ambientais.