Defesa de Qualificação ao Mestrado- Eduardo Ferreira Gonçalves
TÍTULO DA PROPOSTA DE DISSERTAÇÃO/TESE: Inteligência Artificial Verde e Quantização
em Modelos de Aprendizagem Profunda
RESUMO DA PROPOSTA DE DISSERTAÇÃO/TESE: A presente proposta de Dissertação se baseia na quantização como estratégia para a redução de consumo energético em modelos de inteligência artificial (IA), promovendo a IA Verde. Como contexto, destaca-se a crescente adoção de modelos de Aprendizagem Profunda (AP) ampliou o custo computacional, energético e ambiental do ciclo de vida de sistemas de IA. O conceito IA Verde propõe que
desempenho passe a ser avaliado em conjunto com eficiência no uso de recursos e emissões, em contraposição à IA Vermelha, focada apenas em métricas de acurácia a qualquer custo. Entre as técnicas promissoras de mitigação está a quantização, que reduz a precisão numérica de parâmetros e ativações (por exemplo, de 32 bits para 16 ou 8 bits), diminuindo o tempo de processamento, consumo de energia e de memória, com impacto limitado na qualidade
preditiva. Partindo do Problema de pesquisa: “Como a quantização pode ser utilizada para otimizar o consumo energético e reduzir a pegada de carbono de modelos de AP sem comprometer significativamente a precisão?” Delineou-se a hipótese de que há níveis e estratégias de quantização (p.ex., BF16/FP16/FP8/INT8) que reduzem o consumo energético em treinamento e inferência sem degradação estatisticamente significativa de
acurácia/medidas de erro. Com o objetivo principal de avaliar o impacto da quantização no consumo energético em treinamento e inferência de modelos de AP e investigar como tal técnica pode promover uma IA sustentável, espera-se delinear um Protocolo experimental reprodutível para mensurar energia, tempo e emissões em cenários quantizados e não quantizados. Executar um Benchmark cruzando arquiteturas, níveis de quantização e fases (treino/inferência), com análise estatística e tamanho de efeito. A proposta é uma pesquisa experimental, aplicada, exploratória e com abordagem quantitativa para o desenvolvimento da
avaliação do procedimento de quantização em modelos de AP e a consequente promoção da sustentabilidade do estudo e uso de redes neurais artificiais profundas.
BANCA EXAMINADORA:
Adriana Cesário de Faria Alvim -Orientadora – (UNIRIO)
Pedro Nuno de Souza Moura (UNIRIO)
Paulo Sérgio Medeiros dos Santos (UNIRIO)
Elloá Barreto Guedes da Costa – Universidade do Estado do Amazonas (UEA)
SUPLENTES:
Simone Bacellar Leal Ferreira – (UNIRIO)
Isabel Cristina Mello Rosseti – (UFF)
DATA/HORA DE DEFESA: 25/09/2025, às 11h
ORIENTADOR(ES): Pedro Nuno de Souza Moura e Adriana Cesário de Faria Alvim
LOCAL DA DEFESA: Remota. (link https://meet.google.com/ymb-deph-igf)
