Воздействие генеративного искусственного интеллекта на окружающую среду

Быстрый рост инструментов генеративного искусственного интеллекта для текста, изображений и аудио открыл новую эру технологических инноваций. Однако за этими замечательными достижениями скрывается скрытая цена, требующая нашего внимания: экологическая устойчивость. В этой статье исследуется воздействие генеративного ИИ на окружающую среду, включая потребление энергии, использование воды и поиск более эффективных моделей, которые могут минимизировать воздействие на окружающую среду.

Потребление энергии: скрытый ущерб окружающей среде

Генеративные модели искусственного интеллекта в своем стремлении к совершенству испытывают ненасытную жажду энергии. Эти модели часто полагаются на крупных облачных провайдеров, оснащенных энергоемкими чипами, содержащими множество транзисторов. Фактически, эти продвинутые чипы могут потреблять как минимум в десять раз больше энергии, чем традиционные версии. Неудивительно, что модели, использующие обширные обучающие данные и многочисленные параметры, потребляют еще больше энергии.

По оценкам, в результате обучения OpenAI GPT-4 было выброшено около 300 тонн CO2. Если представить это в контексте, то это эквивалентно выбросам от 300 трансатлантических рейсов туда и обратно. Важно отметить, что этот расчет не учитывает постоянные выбросы, образующиеся во время использования продукта.

Невидимые затраты водных ресурсов

Воздействие генеративного искусственного интеллекта на окружающую среду простирается не только на потребление энергии, но и на использование воды. Подсчитано, что простой разговор ChatGPT может израсходовать эквивалент бутылки воды объемом 500 мл. Особую тревогу вызывает вода, необходимая для охлаждения огромных центров обработки данных, что является проблемой для испытывающих нехватку воды африканских регионов, стремящихся развивать собственную инфраструктуру искусственного интеллекта.

Интересно, что сохранение воды и сохранение энергии не всегда совпадают. Например, использование солнечной энергии в часы пик солнечного света может непреднамеренно увеличить потребление воды.

Решение экологических проблем, связанных с генеративными моделями ИИ, является сложной задачей. Ученые-компьютерщики признают необходимость уменьшения размера этих моделей, главным образом из-за экологической эффективности и ограниченной вычислительной мощности. В настоящее время спрос на вычислительную мощность намного превышает предложение, и некоторые эксперты предполагают, что закон Мура, предсказывающий удвоение количества транзисторов в микрочипах каждые несколько лет, может больше не применяться.

Призыв к эффективности и этическим соображениям

Попытки добиться большего с меньшими затратами набирают обороты. Использование моделей меньшего размера может привести к созданию более эффективных решений искусственного интеллекта, при этом некоторые эксперты утверждают, что настоящий интеллект процветает в компактных структурах. Стремление к экологической эффективности и цель создания сложного искусственного интеллекта должны идти рука об руку.

Хотя экологическая устойчивость не всегда подчеркивается при обучении компьютерной этике, такие инициативы, как «Зеленые алгоритмы» и «ML CO2 Impact», проливают свет на углеродный след кода. Поиск баланса между эффективностью и необходимостью включения разнообразных наборов данных, которые лучше отражают сложность мира, остается проблемой для сообщества ИИ.

Выдающиеся результаты генеративных моделей ИИ имеют экологические последствия, которые не следует недооценивать. По мере развития сообщества ИИ перед учеными-компьютерщиками стоит непростая задача совершенствования этих моделей для минимизации потребления ресурсов. Поиск баланса между технологическими достижениями и устойчивостью является императивом, а поиск более эффективных моделей искусственного интеллекта только начался. Будущее обещает решения искусственного интеллекта, которые не только превосходят по производительности, но и легко передвигаются по нашей планете.