Roman RemberNy forskning visar att generativ AI förbrukar över trettio gånger mer energi än traditionella sökmotorer. Denna oroande statistik kommer från Sasha Luccioni, en framstående forskare som syftar till att belysa de ekologiska konsekvenserna av denna snabbt framväxande teknologi. Luccioni, en kanadensare av ryskt ursprung som av tidningen Time utsågs till en av världens 100 mest inflytelserika personer 2024, har undersökt de utsläpp som genereras av AI-program som ChatGPT och Midjourney i flera år.
Under en konferens i Montreal uttryckte Luccioni besvikelse över energieffektiviteten hos generativ AI när den används för online-sökningar. Till skillnad från konventionella sökmotorer som bara hämtar information, genererar dessa AI-modeller nytt innehåll, vilket kräver enorm datorkraft. Detta krav resulterar i betydande energiförbrukning både under träning och när de svarar på användarfrågor.
Data från Internationella energimyndigheten indikerar att AI- och kryptovalutasektorerna tillsammans förbrukade cirka 460 terawattimmar elektricitet under 2022, vilket motsvarar 2% av den globala produktionen. Som svar på dessa bekymmer utvecklar Luccioni, som leder klimatstrategi på ett startup, ett verktyg för att bedöma koldioxidavtrycket för utvecklare. Detta system syftar till att främja transparens och vägleda användare och utvecklare mot mer effektiva energival.
När företag som Microsoft och Google strävar efter koldioxidneutralitet till decenniets slut, står de inför stigande växthusgasutsläpp kopplade till sina AI-framsteg. Luccioni betonar vikten av noggrant energihantering och uppmanar till en balanserad strategi för AI-användning.
Den miljömässiga påverkan av generativ AI: En uppmaning till medvetenhet
I takt med att kapabiliteterna hos generativ AI fortsätter att växa, blir de miljömässiga konsekvenserna av att driva dessa kraftfulla modeller allt mer brådskande. Medan betydande uppmärksamhet har riktats mot energiförbrukningen kopplad till generativ AI, är det viktigt att djupdyka i de mångfacetterade utmaningar och potentiella lösningar som väntar framöver.
Vilket är koldioxidavtrycket för generativ AI jämfört med traditionell databehandling?
Generativa AI-system kräver inte bara stora mängder energi för den första träningen utan har också pågående driftskostnader som kan bidra betydligt till deras totala koldioxidavtryck. Till exempel kan träning av stora modeller släppa ut upp till 500 ton koldioxid, vilket motsvarar de livstidsutsläpp som flera genomsnittliga amerikanska bilar ger upphov till. Denna anmärkningsvärda siffra betonar behovet av en helhetssyn på AIs miljöpåverkan, där såväl energiförbrukning som förenade koldioxidutsläpp under olika skeden av AI-livscykeln beaktas.
Vilka är de viktigaste utmaningarna när det gäller att hantera dessa miljöpåverkan?
En av de främsta utmaningarna är bristen på transparens när det gäller energianvändning bland AI-utvecklare. Många företag offentliggör inte sina energiförbrukning eller vilka energikällor de förlitar sig på, vilket gör det svårt för forskare och beslutsfattare att få en tydlig bild av branschens miljöpåverkan. Dessutom, i takt med att beroendet av generativ AI ökar, skjuter efterfrågan på datacenter som stöder denna teknologi i höjden, vilket leder till oro för resursutarmning och markanvändning.
Finns det några kontroverser kring generativ AIs miljöavtryck?
Ja, det pågår en omfattande debatt om de etiska ansvar som AI-utvecklare och företag har för att mildra sin miljöpåverkan. Kritiker hävdar att det är kortsynt och skadligt att negligera de ekologiska konsekvenserna av AI-framsteg till förmån för snabb innovation. Dessutom finns det en växande skillnad i åsikter om hur bäst man ska närma sig reglering på detta område, där vissa förespråkar strikta riktlinjer medan andra betonar behovet av flexibilitet för att främja fortsatt teknologisk utveckling.
Vilka fördelar har generativ AI trots sina miljöproblem?
Generativ AI har potentialen att revolutionera industrier genom att förbättra kreativitet, automatisera komplexa uppgifter och öka effektiviteten i processer. Till exempel kan företag använda generativ AI för design, innehållsskapande och dataanalys, vilket ofta resulterar i ökad produktivitet och nya jobbmöjligheter. Dessutom kan framsteg inom AI-teknologi bidra till ekologiska mål, såsom att optimera energinätverk eller utveckla mer hållbara metoder inom olika sektorer.
Vilka strategier kan implementeras för att minimera den miljömässiga påverkan av generativ AI?
För att minska koldioxidavtrycket från generativ AI måste utvecklare och företag prioritera energieffektivitet i AI-träning och drift. Detta inkluderar att anta mer hållbara energikällor, optimera algoritmer för mindre energikrävande bearbetning och investera i projekt för koldioxidkompensation. Vidare kommer antagandet av verktyg som Luccioni’s verktyg för att bedöma koldioxidavtryck att vara avgörande för att vägleda utvecklare mot mer medveten energianvändning.
Slutsats
När den generativa AI-landskapet fortsätter att utvecklas måste medvetenheten om dess miljöpåverkan växa i takt. Genom att främja transparens, uppmuntra hållbara metoder och utveckla innovativa teknologier som mildrar energiförbrukning kan branschen arbeta mot en mer ansvarsfull framtid. Medvetenhet och proaktiva åtgärder är avgörande för att säkerställa att AI kan fungera som en transformativ kraft utan att kompromissa med vår planets integritet.
För vidare läsning om AI:s implikationer för vår miljö, besök MIT Technology Review och Nature.
