Tehisintellekt (AI) on saanud meie elude lahutamatuks osaks, toites kõike alates vestlusrobotitest kuni keelemudeliteni. Siiski jääb tehisintellekti tegelik energiakulu saladuseks. Hinnangud küll eksisteerivad, kuid need annavad vaid aimduse AI koguenergiakasutusest kuna masinõppe mudelite äärmiselt muutuv iseloom muudab täpse arvutuse keeruliseks. Selle läbipaistmatus olukord ettevõtete nagu Meta, Microsoft ja OpenAI poolt raskendab edasist arvutamist.
Üheks teadaolevaks faktoriks on suur kontrastsus AI mudelite koolitamise ja nende laialdasema kasutusele võtmise vahel. Nende mudelite koolitamine on uskumatult energiamahukas ja võib tarbida tohutul hulgal elektrit. Näiteks suurte keelemudelite nagu GPT-3 koolitamine on hinnanguliselt võrdväärne ligikaudu 1300 megavatt-tunniga elektriarvele, mis on võrreldav 130 USA kodu aastase tarbimisega. Võrdluseks, tunni Netflixi voogedastus nõuab ainult 0,8 kWh elektrit.
Siiski jääb keeruliseks hinnata praeguste viimase tehnoloogiaga AI süsteemide energiakulusid. Ühelt poolt on AI mudelid muutunud suuremaks, suurendades potentsiaalselt energiatarbimist. Teisalt võivad ettevõtted rakendada energiasäästlikke meetodeid, vastupidiselt tõusvatele energiakuludele.
Liikumine salastatuse suunas tehisintellekti tööstuses on edasi takistanud täpseid hinnanguid. Ettevõtted on muutunud diskreetsemaks oma koolitusrežiimide ja riistvara detailide osas. Selle tulemusel on keeruline kindlaks määrata viimaste AI mudelite nagu ChatGPT ja GPT-4 energiatarbimist. See saladuskatte loor mitte ainult ei tulene konkurentsist, vaid toimib ka kaitseks võimalike kriitikute ees, kes süüdistavad pealiskaudses energiakasutuses, sageli tõmmates paralleele krüptoraha raiskamisele.
Kuigi AI mudelite koolitamine on oluline osa energiakulu võrrandist, on sama oluline ka järeldusetapp. Järeldus tähistab protsessi, kus kasutatakse koolitatud mudelit väljundi genereerimiseks. Hiljutised uuringud on hinnanud energia kasutust järelduse ajal erinevate AI mudelite puhul. Tulemused näitasid, et enamus ülesandeid tarbivad suhteliselt vähe energiat, võrreldavat mõne sekundi või minuti pikkuse Netflixi vaatamisega. Siiski nõudsid pildi loomise mudelid oluliselt rohkem energiat, mõnikord peaaegu sama palju kui nutitelefoni laadimine.
Kuigi need tulemused pakuvad suhtelisi andmeid, ei anna need absoluutseid arve. Uuring rõhutab, et väljundi loomine nõuab rohkem energiat kui sisendi liigitamine ning piltide loomine nõuab rohkem energiat kui teksti loomine. On selge, et AI-ga seotud energiakulud on endiselt teadmata ja väga muutlikud.
Kuna tehisintellekti revolutsioon jätkub, on oluline käsitleda peidetud energiakulusid ja arendada metoodikaid energia tõhususe kvantifitseerimiseks ja parandamiseks. Tehisintellekti tegeliku energiamõju mõistmine suunab meid jätkusuutlike tehnoloogiliste edusammude poole, samal ajal vähendades keskkonna tagajärgi.
The source of the article is from the blog xn--campiahoy-p6a.es