Roman RemberRecentna istraživanja otkrivaju da generativna AI troši više od trideset puta više energije od tradicionalnih pretraživača. Ova alarmantna statistika dolazi od Sashae Luccioni, istaknute istraživačice koja nastoji osvijetliti ekološke posljedice ove brzo napredujuće tehnologije. Luccioni, Kanađanka ruskog podrijetla koju je magazin Time nazvao jednom od 100 najutjecajnijih ljudi svijeta 2024. godine, već nekoliko godina istražuje emisije koje proizvode AI programi poput ChatGPT-a i Midjourney-a.
Tijekom konferencije u Montrealu, Luccioni je izrazila razočaranje u vezi s energetskom učinkovitošću generativne AI kada se koristi za online pretraživanje. Za razliku od konvencionalnih pretraživača koji jednostavno dohvaćaju informacije, ovi AI modeli generiraju novi sadržaj, što zahtijeva ogromnu računalnu moć. Ovaj zahtjev rezultira značajnom potrošnjom energije ne samo tijekom njihovog treniranja nego i prilikom odgovaranja na upite korisnika.
Podaci Međunarodne agencije za energiju pokazuju da su sektori AI i kriptovaluta zajedno potrošili otprilike 460 teravat-sati električne energije u 2022. godini, što čini 2% globalne proizvodnje. Kao odgovor na ove zabrinutosti, Luccioni, koja vodi klimatsku strategiju u startupu, razvija alat za procjenu ugljičnog otiska za programere. Ovaj sustav ima za cilj promicanje transparentnosti i usmjeravanje korisnika i programera prema učinkovitijim energetskim izborima.
Dok se tvrtke poput Microsofta i Googlea bore za ugljičnu neutralnost do kraja desetljeća, suočavaju se s rastućim emisijama stakleničkih plinova povezanih s njihovim AI napretkom. Luccioni naglašava važnost pažljivog upravljanja energijom, pozivajući na uravnotežen pristup korištenju AI.
Ekološki utjecaj generativne AI: Poziv na svjesnost
Kako se mogućnosti generativne AI nastavljaju širiti, ekološke posljedice vođenja ovih moćnih modela postaju sve hitnije. Dok su značajna pažnja i usmjerenost posvećeni brojkama o potrošnji energije povezanima s generativnom AI, važno je dublje zaroniti u višeznačne izazove i potencijalna rješenja koja su pred nama.
Koji je ugljični otisak generativne AI u usporedbi s tradicionalnim računalstvom?
Sistemi generativne AI ne samo da zahtijevaju ogromne količine energije za početno treniranje, već također imaju kontinuirane operativne troškove koji mogu značajno doprinijeti njihovim ukupnim ugljičnim otiscima. Na primjer, treniranje velikih modela može emitirati do 500 tona ugljikovog dioksida, što je usporedivo s emisijama prosječnih američkih automobila tijekom svog životnog vijeka. Ova zapanjujuća cifra naglašava potrebu za holističkim pogledom na ekološki utjecaj AI, uzimajući u obzir ne samo potrošnju energije već i povezane emisije ugljika u različitim fazama životnog ciklusa AI-a.
Koji su ključni izazovi u rješavanju ovih ekoloških utjecaja?
Jedan od primarnih izazova je nedostatak transparentnosti u vezi s potrošnjom energije među razvojnim timovima koji se bave AI-jem. Mnoge tvrtke ne objavljuju javno svoju potrošnju energije ili izvore energije na koje se oslanjaju, što otežava istraživačima i donosiocima politika da dobiju jasan uvid u ekološki utjecaj industrije. Štoviše, kako se oslanjanje na generativnu AI povećava, potražnja za podatkovnim centrima koji podržavaju ove tehnologije naglo raste, što dovodi do zabrinutosti zbog iscrpljivanja resursa i korištenja zemljišta.
Postoje li kontroverze oko ekološkog otiska generativne AI?
Da, postoji značajna rasprava o etičkim odgovornostima razvijača AI i tvrtki da smanje svoj ekološki utjecaj. Kritičari tvrde da zanemarivanje ekoloških posljedica napretka AI-a zbog brzog inoviranja može biti kratkovidno i štetno. Osim toga, postoji sve veća razlika u mišljenjima o tome kako najbolje pristupiti regulaciji ovog područja, pri čemu neki zagovaraju stroge smjernice, dok drugi naglašavaju potrebu za fleksibilnošću kako bi se potaknula daljnja tehnološka napredovanja.
Koje su prednosti generativne AI unatoč ekološkim brigama?
Generativna AI ima potencijal revolucionirati industrije poboljšanjem kreativnosti, automatiziranjem složenih zadataka i poboljšanjem učinkovitosti u raznim procesima. Na primjer, poduzeća mogu iskoristiti generativnu AI za dizajn, kreiranje sadržaja i analizu podataka, što često rezultira povećanjem produktivnosti i novim radnim mjestima. Osim toga, napredak u tehnologiji AI može doprinijeti ekološkim ciljevima, poput optimiziranja energetskih mreža ili razvijanja održivijih praksi u raznim sektorima.
Koje strategije se mogu implementirati kako bi se minimizirao ekološki utjecaj generativne AI?
Kako bi se smanjio ugljični otisak generativne AI, programeri i tvrtke moraju dati prioritet energetskoj učinkovitosti u treniranju i radu AI-a. To uključuje usvajanje održivijih izvora energije, optimizaciju algoritama za manje energetski intenzivnu obradu te ulaganje u projekte kompenzacije ugljika. Nadalje, usvajanje alata poput Luccioni-inog sustava za procjenu ugljičnog otiska bit će ključno u usmjeravanju programera prema svjesnijoj potrošnji energije.
Zaključak
Kako se krajolik generativne AI nastavlja razvijati, svijest o njenom ekološkom utjecaju mora rasti paralelno. Promicanjem transparentnosti, poticanjem održivih praksi i razvojem inovativnih tehnologija koje smanjuju potrošnju energije, industrija može raditi na odgovornijoj budućnosti. Svijest i proaktivne mjere ključne su za osiguranje da AI može služiti kao transformativna snaga bez ugrožavanja integriteta naše planete.
Za daljnje čitanje o implikacijama AI-a za našu okolinu, posjetite MIT Technology Review i Nature.
