Roman RemberRecentais pētījums atklāj, ka ģeneratīvā mākslīgā inteliģence patērē vairāk nekā trīsdesmit reizes vairāk enerģijas nekā tradicionālās meklētājprogrammas. Šī satraucošā statistika nāk no Sashas Luccioni, ievērojamas pētnieces, kura cenšas izgaismot šīs strauji attīstošās tehnoloģijas ekoloģiskās sekas. Luccioni, kanādiete ar krievu izcelsmi, 2024. gadā tika minēta kā viena no pasaules 100 ietekmīgākajām personām žurnāla Time izdevumā, un viņa jau vairākus gadus pēta, kādas emisijas rada tādi AI programmas kā ChatGPT un Midjourney.
Montreālā notikušajā konferencē Luccioni pauda vilšanos par ģeneratīvā AI energoefektivitāti, kad tas tiek izmantots tiešsaistes meklēšanā. Atšķirībā no tradicionālajām meklētājprogrammām, kas vienkārši atgūst informāciju, šie AI modeļi ģenerē jaunu saturu, kas prasa milzīgu aprēķinu jaudu. Šī prasība noved pie būtiska enerģijas patēriņa ne tikai to apmācību laikā, bet arī atbildot uz lietotāju pieprasījumiem.
Starptautiskās Enerģijas aģentūras dati norāda, ka AI un kriptovalūtu sektori kopumā 2022. gadā patērēja apmēram 460 teravatstundas elektroenerģijas, kas veidoja 2% no globālās ražošanas. Atbildot uz šīm bažām, Luccioni, kura vada klimata stratēģiju vienā no uzsākumiem, izstrādā oglekļa pēdas analīzes rīku izstrādātājiem. Šī sistēma ir paredzēta, lai veicinātu caurskatāmību un norādītu lietotājiem un izstrādātājiem uz efektīvākām enerģijas izvēlēm.
Kamēr tādi uzņēmumi kā Microsoft un Google cenšas sasniegt oglekļa neitralitāti līdz šī desmitgades beigām, tie saskaras ar pieaugošām siltumnīcefekta gāzu emisijām, kas attiecināmas uz viņu AI sasniegumiem. Luccioni uzsver rūpīgas enerģijas pārvaldības nozīmi, mudinot pievērst uzmanību līdzsvarotai AI izmantošanai.
Ģeneratīvās AI vides ietekme: aicinājums uz apziņu
Ģeneratīvā AI spējas turpina paplašināties, un šo jaudīgo modeļu darbības vides sekas kļūst arvien steidzamākas. Lai arī ievērojama uzmanība tiek pievērsta enerģijas patēriņa rādītājiem, kas saistīti ar ģeneratīvo AI, ir būtiski dziļāk iedziļināties daudzpusīgajās problēmās un potenciālajās risinājumos, kas mūs gaida.
Kāda ir ģeneratīvās AI oglekļa pēda salīdzinājumā ar tradicionālo datorzinātni?
Ģeneratīvās AI sistēmām nepieciešamas ne tikai milzīgas enerģijas devas sākotnējai apmācībai, bet arī turpmākas darbības izmaksas, kas var būtiski ietekmēt to kopējo oglekļa pēdu. Piemēram, liela modeļa apmācība var radīt līdz 500 tonnām oglekļa dioksīda, kas ir salīdzināms ar daudzu vidējo ASV automobiļu mūža emisijām. Šis pārsteidzošais skaitlis uzsver nepieciešamību uzlūkot AI vides ietekmi visaptveroši, ņemot vērā ne tikai enerģijas patēriņu, bet arī ar to saistītās oglekļa emisijas dažādos AI cikla posmos.
Kādi ir galvenie izaicinājumi, risinot šīs vides ietekmes?
Viena no galvenajām problēmām ir informācijas trūkums par enerģijas patēriņu starp AI izstrādātājiem. Daudzi uzņēmumi publiski neatklāj savu enerģijas patēriņu vai enerģijas avotus, kas apgrūtina pētnieku un politikas veidotāju iespējas iegūt skaidru priekšstatu par nozares vides ietekmi. Turklāt, pieaugot atkarībai no ģeneratīvās AI, datu centru pieprasījums šajās tehnoloģijās strauji pieaug, radot raizēs par resursu izsīkšanu un zemes izmantošanu.
Vai ir kādi strīdi attiecībā uz ģeneratīvās AI vides pēdu?
Jā, pastāv būtisks strīds par AI izstrādātāju un uzņēmumu ētisko atbildību mazināt to ietekmi uz vidi. Kritiķi norāda, ka ekoloģisko seku novēršana AI attīstības labā, labvēlīgiem novārtā atstājot to, ir īstermiņa domāšana un kaitīga. Turklāt arvien pieaugot atšķirību viedokļos par to, kā vislabāk regulēt šo jomu, daži iestājas par stingriem noteikumiem, bet citi uzsver nepieciešamību pēc elastības, lai veicinātu turpmāku tehnoloģisko progresu.
Kādas ir ģeneratīvās AI priekšrocības, neskatoties uz vides problēmām?
Ģeneratīvā AI potenciāli var revolucionizēt nozares, uzlabojot radošumu, automatizējot sarežģītus uzdevumus un uzlabojot efektivitāti visos procesos. Piemēram, uzņēmumi var izmantot ģeneratīvo AI dizaina, satura radīšanas un datu analīzes jomā, bieži rezultējoties augstākā produktivitātē un jaunu darba iespēju radīšanā. Turklāt AI tehnoloģiju attīstība var veicināt ekoloģiskos mērķus, piemēram, optimizējot enerģijas tīklus vai attīstot ilgtspējīgākas prakses dažādās nozarēs.
Kādus stratēģiskus pasākumus var veikt, lai samazinātu ģeneratīvās AI vides ietekmi?
Lai samazinātu ģeneratīvās AI oglekļa pēdu, izstrādātājiem un uzņēmumiem jāprioritizē energoefektivitāte AI apmācībā un darbībā. Tas ietver ilgtspējīgāku enerģijas avotu izmantošanu, algoritmu optimizēšanu mazāk energoietilpīgai apstrādei un ieguldījumus oglekļa kompensācijas projektos. Turklāt, Luccioni oglekļa pēdas analīzes sistēmas ieviešana būs būtiska, lai palīdzētu izstrādātājiem kļūt par apzinīgākiem enerģijas patērētājiem.
Secinājums
Kā ģeneratīvās AI ainava turpina attīstīties, apziņai par tās ietekmi uz vidi ir jāpievēršas vienlaikus. Veicinot caurskatāmību, mudinot uz ilgtspējīgām praksēm un izstrādājot novatoriskas tehnoloģijas, kas samazina enerģijas patēriņu, nozare var strādāt pie atbildīgākas nākotnes. Apziņa un proaktīvi pasākumi ir izšķiroši, lai nodrošinātu, ka AI var kalpot kā transformējoša spēks, neiejaucoties mūsu planētas integritātē.
Lai uzzinātu vairāk par AI ietekmi uz mūsu vidi, apmeklējiet MIT Technology Review un Nature.
