Roman RemberNy forskning viser, at generativ AI bruger over tredive gange mere energi end traditionelle søgemaskiner. Denne alarmerende statistik kommer fra Sasha Luccioni, en bemærkelsesværdig forsker, der sigter mod at belyse de økologiske konsekvenser af denne hurtigt fremadskridende teknologi. Luccioni, en canadier af russisk afstamning, der er blevet udnævnt af Time magazine som en af verdens 100 mest indflydelsesrige personer i 2024, har i flere år undersøgt emissionsniveauerne fra AI-programmer som ChatGPT og Midjourney.
Under en konference i Montreal udtrykte Luccioni skuffelse over energieffektiviteten af generativ AI, når den bruges til online søgninger. I modsætning til konventionelle søgemaskiner, der blot henter oplysninger, genererer disse AI-modeller nyt indhold, hvilket kræver enorm computerkraft. Denne nødvendighed resulterer i betydeligt energiforbrug, ikke kun under deres træning, men også når de svarer på brugerforespørgsler.
Data fra Den Internationale Energiagentur viser, at AI- og kryptovaluta-sektorerne samlet set brugte cirka 460 terawatt-timer elektricitet i 2022, hvilket svarer til 2% af den globale produktion. Som reaktion på disse bekymringer udvikler Luccioni, der leder klimastrategien i et startup, et værktøj til vurdering af CO2-aftryk til udviklere. Dette system har til formål at fremme gennemsigtighed og vejlede brugere og udviklere mod mere effektive energivalg.
Mens virksomheder som Microsoft og Google stræber efter kulstofneutralitet ved årtiets slutning, står de over for stigende drivhusgasemissioner, der tilskrives deres AI-fremskridt. Luccioni understreger vigtigheden af omhyggelig energihåndtering og opfordrer til en afbalanceret tilgang til anvendelsen af AI.
Den Miljømæssige Indvirkning af Generativ AI: En Opfordring til Bevidsthed
Efterhånden som kapaciteterne af generativ AI fortsætter med at udvide sig, bliver de miljømæssige implikationer af at køre disse kraftfulde modeller stadig mere presserende. Mens der er blevet rettet betydelig opmærksomhed mod energiforbrugsfigurerne forbundet med generativ AI, er det vigtigt at dykke dybere ned i de mangefacetterede udfordringer og potentielle løsninger, der ligger foran os.
Hvad er CO2-aftrykket fra generativ AI sammenlignet med traditionel computing?
Generativ AI-systemer kræver ikke kun massive mængder energi til indledende træning, men pådrager sig også løbende driftsomkostninger, der kan bidrage betydeligt til deres samlede CO2-aftryk. For eksempel kan træning af store modeller udlede op til 500 tons kuldioxid, hvilket svarer til livstidsudledningen fra flere gennemsnitlige amerikanske biler. Denne fantastiske figur understreger behovet for et holistisk syn på AI’s miljømæssige indvirkning, der både tager højde for energiforbrug og tilknyttede CO2-emissioner på tværs af forskellige faser af AI-livscyklussen.
Hvad er de væsentlige udfordringer i forhold til at tackle disse miljømæssige påvirkninger?
En af de primære udfordringer er manglen på gennemsigtighed med hensyn til energiforbrug blandt AI-udviklere. Mange virksomheder offentliggør ikke deres energiforbrug eller de energikilder, de afhænger af, hvilket gør det vanskeligt for forskere og beslutningstagere at få et klart billede af branchens miljømæssige indvirkning. Desuden, efterhånden som afhængigheden af generativ AI øges, stiger efterspørgslen efter datacentre, der skal understøtte disse teknologier, hvilket fører til bekymringer over ressourceudtømning og arealanvendelse.
Er der nogen kontroverser omkring generativ AI’s miljømæssige fodaftryk?
Ja, der er betydelig debat om de etiske forpligtelser for AI-udviklere og -virksomheder til at mindske deres miljømæssige indvirkning. Kritikere hævder, at det at negligere de økologiske konsekvenser af AI-fremskridt til fordel for hurtig innovation er kortsigtet og skadelig. Desuden er der en voksende forskel i meninger om, hvordan man bedst tilgår regulering på dette område, idet nogle advokerer for strenge retningslinjer, mens andre understreger behovet for fleksibilitet for at fremme fortsat teknologisk udvikling.
Hvad er fordelene ved generativ AI på trods af dens miljømæssige bekymringer?
Generativ AI har potentiale til at revolutionere industrier ved at forbedre kreativiteten, automatisere komplekse opgaver og forbedre effektiviteten på tværs af processer. For eksempel kan virksomheder udnytte generativ AI til design, indholdsskabelse og dataanalyse, hvilket ofte resulterer i øget produktivitet og nye jobmuligheder. Desuden kan fremskridt inden for AI-teknologi bidrage til økologiske mål, såsom optimering af energinetværk eller udvikling af mere bæredygtige praksisser i forskellige sektorer.
Hvilke strategier kan implementeres for at minimere den miljømæssige indvirkning af generativ AI?
For at reducere CO2-aftrykket fra generativ AI må udviklere og virksomheder prioritere energieffektivitet i AI-træning og drift. Dette inkluderer at tage mere bæredygtige energikilder i anvendelse, optimere algoritmer til mindre energi-intensiv behandling og investere i CO2-kompensationsprojekter. Desuden vil implementeringen af værktøjer som Luccioni’s CO2-aftryksvurderingssystem være afgørende for at vejlede udviklere mod mere bevidst energibrug.
Konklusion
Efterhånden som det generative AI-landskab fortsætter med at udvikle sig, må bevidstheden om dens miljømæssige indvirkning vokse samtidig. Ved at fremme gennemsigtighed, opfordre til bæredygtige praksisser og udvikle innovative teknologier, der mindsker energiforbruget, kan branchen arbejde hen imod en mere ansvarlig fremtid. Bevidsthed og proaktive tiltag er afgørende for at sikre, at AI kan fungere som en transformativ kraft uden at kompromittere vores planets integritet.
For yderligere læsning om implikationerne af AI for vores miljø, besøg MIT Technology Review og Nature.
