Do código à matéria
Na primavera de 2023, a Microsoft anunciou um investimento de vários milhares de milhões de dólares na OpenAI, apresentando a parceria como um salto em direção a uma civilização mais limpa, mais inteligente e mais eficiente. As imagens que acompanham esses 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 mais eletricidade do que 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] 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 que mais recursos consomem que a humanidade já construiu.
O mito da desmaterialização digital tem uma longa genealogia. Desde a década de 1990 que os teóricos da "economia da informação" têm defendido que a transição da indústria transformadora para os serviços, e dos átomos para os bits, dissociaria o crescimento económico do consumo de materiais.[4] A ascensão da IA conferiu 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 no âmbito 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: todo o cálculo 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 sim 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, mediado 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 fosse o poder computacional e em que as exigências termodinâmicas desse poder exercessem 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 alargar 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 competitiva ao armamento 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 monopolista-digital. A termodinâmica não causa estes processos; regista apenas as suas consequências. A segunda lei da termodinâmica diz-nos que toda a computação degrada 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 proporciona, e o que o torna indispensável, é uma explicação precisa de por que razão os danos ecológicos gerados por estes processos sociais não são acidentais, 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 o escalonamento computacional, a acumulação de capital e o consumo de energia. Esta relação é regida por dinâmicas que tornam o fardo ecológico da IA no capitalismo não apenas grande, mas auto-reforçador e expansionista.
A base física da computação 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, da autoria de Emma Strubell, Ananya Ganesh e Andrew McCallum, estimou que o treino de um único modelo de grande dimensão 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 sobre 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 procura computacional não é linear, mas sim superlinear. A investigação sobre leis de escala em grandes modelos de linguagem estabeleceu que o desempenho do modelo varia aproximadamente como uma função de potência do produto dos parâmetros do modelo e dos dados de treino.[9] Isto 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, por conseguinte, 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 na extração de capacidade requer um aporte de energia exponencialmente maior. O custo entrópico da inteligência, nos 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 sim um ativo estratégico: a empresa com maiores recursos computacionais pode treinar modelos de maior dimensão, atrair mais utilizadores e acumular mais dados, reforçando assim o seu domínio do mercado. Isto cria o que se poderia chamar de uma "corrida às armas 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 moderação 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 da 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 esclarecido 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 dos motores 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 de atividades económicas intensivas em energia.[11] O paradoxo não é uma peculiaridade da economia política vitoriana; é uma característica estrutural da acumulação de capital, que opera 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 intensidade. 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 dos processos 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 procura nacional total 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 de não-equilíbrio de Ilya Prigogine, desenvolvida de forma mais completa em Order Out of Chaos, proporciona a ponte conceptual entre a lógica social do capital e as suas consequências físicas.[14] Prigogine demonstrou que os sistemas complexos que se encontram 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: mantêm a sua complexidade interna à custa do aumento da entropia no seu entorno. Mas a perceção mais profunda de Prigogine, e a mais relevante para os nossos propósitos atuais, é que os processos que impulsionam 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 para a qual 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 sob a forma de resíduos de alta entropia: dióxido de carbono, poluição térmica e resíduos eletrónicos. 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 só se reabastecem 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 encerram. O que o capitalismo faz, através da lógica competitiva da acumulação da 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 sim um produto termodinâmico, extraído da natureza a um custo que o mercado sistematicamente não regista. As contas financeiras das empresas tecnológicas registam as receitas geradas pelos serviços de IA; não registam, porém, a carga entrópica imposta aos ecossistemas, às comunidades e aos sistemas climáticos pelos fluxos de energia e de materiais que tornam esses serviços possíveis. Não se trata de um erro contabilístico, mas sim 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 em motores de busca, software de produtividade, diagnósticos de saúde, investigação jurídica, análise financeira, e sistemas militares de localização de alvos, a procura agregada de energia para a inferência cresce proporcionalmente à escala da implantação. A Goldman Sachs Research estimou que a procura de energia para a inferência da IA poderá 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 sim um encargo contínuo e crescente sobre os orçamentos energéticos e hídricos 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 não é produzida pela termodinâmica em si, mas pelos processos sociais e históricos específicos da acumulação de capital — a corrida competitiva ao armamento, 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 dos danos; 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 designar, adaptando o conceito de "fenda metabólica" de Foster e Clark, por 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 elétrica sob assédio
A dimensão mais imediatamente visível da pegada ecológica da IA é a sua procura de energia elétrica. Os centros de dados — a infraestrutura física da IA, que albergam 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 de forma contínua — comparável à procura de eletricidade de uma cidade de média dimensão. A expansão da IA acelerou drasticamente a construção dessas instalações. Só a Microsoft anunciou, em 2024, planos para investir 100 mil milhões de dólares em novas infraestruturas de centros de dados a nível global, com compromissos semelhantes por parte do Google, da Amazon e da Meta.[18]
A escala desta expansão está a exercer uma pressão aguda sobre as redes elétricas nas regiões onde se concentra a construção de centros de dados. No norte da Virgínia, que alberga a maior concentração de centros de dados do mundo, os operadores da rede alertaram que o crescimento previsto dos centros de dados ameaça ultrapassar a capacidade de produção 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 nacional da rede, poderá subir para 32 por cento até 2031, reduzindo 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 no sentido de alimentar as suas operações com energia renovável e investiram substancialmente em contratos de compra de energia eólica e solar. No entanto, estes compromissos são sistematicamente comprometidos por três dinâmicas estruturais. Em primeiro lugar, o desfasamento temporal entre a disponibilidade de energia renovável — que é intermitente, dependendo 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 num determinado 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 realizada pela Agência Internacional de Energia concluiu que o crescimento projetado da procura de eletricidade pelos centros de dados consumiria uma parte substancial da nova produção de energia renovável em vários mercados importantes, impedindo efetivamente 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 elevados requisitos de fiabilidade da infraestrutura de IA levaram as empresas tecnológicas 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 generalizado de empresas tecnológicas a assinarem 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 útil 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 arrefecimento por evaporação direta que consomem água na forma de vapor, seja através do arrefecimento das centrais termoelétricas que lhes fornecem 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 com 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 divulgados pelas empresas confirmam a tendência. O relatório ambiental da Microsoft de 2022 revelou um aumento de 34 por cento no consumo global de água em relação ao ano anterior, atribuindo explicitamente esse aumento à expansão da infraestrutura de IA.[25] A Google registou um aumento de 20 por cento no consumo de água durante o mesmo período.[26] Não se trata de flutuações marginais; representam uma mudança estrutural na procura de água doce por parte 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 instalados em regiões selecionadas devido ao baixo custo dos terrenos, a regimes fiscais favoráveis e a condições climáticas adequadas para o arrefecimento — critérios que levam habitualmente as empresas tecnológicas a instalar-se em áreas com escassez hídrica 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 grave, agravadas pelas alterações climáticas. No Chile, as empresas de tecnologia estabeleceram instalações de centros de dados na região de Atacama e nas suas imediações, recorrendo aos recursos hídricos de um dos ecossistemas mais secos do mundo — recursos dos quais as comunidades indígenas atacamenhas 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 das infraestruturas digitais, a lógica mais ampla do que Rob Nixon denomina "violência lenta" — as formas graduais, dispersas e temporalmente atenuadas de dano ecológico que não são registadas como acontecimentos nos meios de comunicação social ou nos sistemas políticos dominados por catástrofes dramáticas e instantâneas.[28] O esgotamento 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 da IA.
Minerais: A base extrativa
A terceira dimensão da fissura energética da IA é a base extrativa do seu hardware. Os semicondutores, servidores, sistemas de armazenamento e equipamento 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 coincide quase na perfeição com a 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 recurso generalizado ao 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 com uma sensibilidade ecológica excecional. 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 extrativas através da lógica da obsolescência planeada. A dinâmica competitiva da corrida ao armamento da IA exige que as empresas tecnológicas 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 descartados, GPUs, módulos de memória e equipamento de rede que contêm materiais tóxicos, incluindo chumbo, mercúrio, cádmio e retardadores de chama bromados. A produção global de resíduos eletrónicos atingiu 62 milhões de toneladas métricas em 2022 e prevê-se que aumente para 82 milhões de toneladas métricas até 2030.[30] Uma parte substancial destes resíduos é exportada, muitas vezes em violação da Convenção de Basileia, para instalações de tratamento na África Ocidental, Ásia do Sul e Sudeste Asiático, onde são manuseados em condições que representam graves riscos 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 vindo a incorporar 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 necessitam de água, que entra em concorrência com a agricultura e o abastecimento municipal, afetando os sistemas alimentares e a saúde humana. A produção de hardware requer minerais e a sua extração, gerando resíduos e apresentando problemas de eliminação que causam danos ecológicos adicionais. A fissura energética da IA não é uma simples ruptura no metabolismo da natureza, mas sim uma perturbação em cascata que atravessa 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 dos recursos hídricos e da extração de minerais revela não é uma série de falhas de mercado independentes, mas sim 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 aumento dos custos de produção 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 ao recuperar de Marx uma conceção 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 desses valores de uso pelo capitalismo — a sua conversão de ecossistemas vivos em fatores de produção e depósitos 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 medida, 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 tecnológicas, 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 por ser 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 relativa às 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 ativamente a contratar capacidade de geração a gás para garantir a fiabilidade. A alegação relativa à 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 relativa ao 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 pelos acionistas e consumidores nos países ricos. Não existe nenhum mecanismo de mercado capaz de agregar estes efeitos distribuídos de forma assimétrica 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 as 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 e não intervenções físicas: não reduzem a entropia gerada pelas operações dos centros de dados; adquirem direitos sobre reduções de entropia noutros locais, muitas das 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 sim 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 superadas pela expansão da escala, uma história que Georgescu-Roegen analisou como a consequência inevitável da aplicação de conhecimentos 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 tornar-se 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 para 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 cada vez mais profunda, na qual já entramos em várias dimensões (concentração de carbono na atmosfera, esgotamento da água doce e perda de biodiversidade) e à qual nos aproximamos 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 da aproximação ao limite termodinâmico do capital não são suportados por quem impulsiona a acumulação, ou seja, os acionistas, executivos e investidores institucionais das empresas tecnológicas cuja dinâmica competitiva determina o ritmo da expansão da IA. São suportados pelas comunidades em regiões com escassez de água, cujos aquíferos são esgotados pelo arrefecimento 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 herdarão 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 sim 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 conduz 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 empresarial inadequada, mas sim 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 o deslocamento sistemático dos custos ecológicos para o Sul Global — não são avarias técnicas que aguardam soluções de engenharia. São o funcionamento normal da acumulação de capital na sua fase monopolista-digital, registados em termos termodinâmicos como processos dissipativos de não reversibilidade prigoginiana: permanentes, cumulativos e fora do alcance da correção de 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 reorganização que subordine os imperativos da acumulação aos limites regenerativos do mundo natural. Uma lógica ecossocialista 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 infraestruturas sociais críticas cuja governação não pode ser deixada aos imperativos competitivos do capital privado. Tal como as redes elétricas e os sistemas de abastecimento 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 visam a maximização do lucro — otimização publicitária, transações financeiras e vigilância laboral — e direcionando-as para aplicações que sirvam genuinamente as necessidades sociais. Isto inclui a gestão das energias renováveis, a saúde pública, a monitorização ecológica e a educação. Em terceiro lugar, e de forma mais fundamental, exigiria aceitar que a escala da atividade computacional deve ser limitada pelos limites ecológicos. A suficiência — ou seja, 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 alcançar 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 consegue produzir. A questão que se nos coloca não é se os limites do capital se imporão, mas se serão enfrentados nos termos definidos por sociedades democráticas empenhadas na sobrevivência ecológica, ou nos termos impostos pelas crises em cascata de uma biosfera levada para além da sua capacidade regenerativa. O algoritmo não decide. A política é que decide.