У сфері штучного інтелекту (ШІ) дискусії часто точаться навколо дезінформації та потенційної загрози робочим місцям людей. Проте професор Бостонського університету Кейт Саєнко звертає увагу на іншу серйозну проблему — значний вплив генеративних інструментів ШІ на навколишнє середовище.
Як дослідник штучного інтелекту, Саєнко викликає занепокоєння щодо енергетичних витрат на створення моделей штучного інтелекту. У статті на The Conversation вона наголошує: «Що потужніший ШІ, то більше енергії він потребує».
Хоча енергоспоживання криптовалют, таких як біткойн та ефіріум, викликало широкі дискусії, швидкий розвиток штучного інтелекту не отримав такого ж рівня уваги з точки зору його впливу на планету.
Професор Саєнко прагне змінити цей наратив, визнаючи обмеженість доступних даних про вуглецевий слід одного генеративного запиту ШІ. Однак вона підкреслює, що дослідження показують, що споживання енергії в чотири-п’ять разів вище, ніж при простому запиті в пошуковій системі.
Відоме дослідження 2019 року вивчає генеративну модель ШІ під назвою Bidirectional Encoder Representations from Transformers (BERT), що складається зі 110 мільйонів параметрів. Ця модель споживала енергію, еквівалентну трансконтинентальному польоту в обидві сторони для однієї людини під час тренування з використанням графічних процесорів (GPU). Параметри, які керують прогнозами моделі та збільшують складність, коригуються під час навчання, щоб зменшити помилки.
Для порівняння Саєнко показує, що модель OpenAI GPT-3 із приголомшливими 175 мільярдами параметрів споживала енергію, еквівалентну 123 автомобілям з бензиновим двигуном, які їздили протягом одного року, або приблизно 1,287 мегават-годин електроенергії. Крім того, він утворив приголомшливі 552 тонни вуглекислого газу. Примітно, що ці витрати енергії відбулися ще до того, як споживачі навіть почали використовувати цю модель.
Із зростанням популярності чат-ботів зі штучним інтелектом, таких як Perplexity AI та ChatGPT від Microsoft, інтегрованих у Bing, ситуація ще більше погіршується випуском мобільних додатків, що робить ці технології ще доступнішими для ширшої аудиторії.
На щастя, Саєнко наголошує на дослідженні Google, яке пропонує різні стратегії пом’якшення вуглецевого сліду. Використання більш ефективних модельних архітектур, процесорів і екологічно чистих центрів обробки даних може істотно зменшити споживання енергії.
Хоча одна велика модель штучного інтелекту не може поодинці знищити навколишнє середовище, Саєнко попереджає, що якщо численні компанії розроблять трохи різних ботів штучного інтелекту для різних цілей, кожен з яких обслуговує мільйони клієнтів, сукупне споживання енергії може стати серйозною проблемою.
Зрештою, Саєнко припускає, що подальші дослідження є важливими для підвищення ефективності генеративного ШІ. Відрадно те, що вона підкреслює потенціал штучного інтелекту для роботи з відновлюваними джерелами енергії. Завдяки оптимізації обчислень відповідно до наявності екологічно чистої енергії або розміщенню центрів обробки даних у надлишку відновлюваної енергії викиди можна скоротити в 30-40 разів у порівнянні з використанням мереж, які працюють переважно на викопному паливі.
Підсумовуючи, хоча занепокоєння щодо дезінформації та переміщення робочих місць через штучний інтелект зберігається, наголос професора Саєнка на впливі генеративних інструментів штучного інтелекту на навколишнє середовище викликає критичну проблему. Він вимагає активізації досліджень та інноваційних підходів, щоб гарантувати, що розробка ШІ узгоджується з цілями сталого розвитку. Таким чином ми можемо використовувати потенціал штучного інтелекту, одночасно мінімізуючи його вуглецевий слід, прокладаючи таким чином шлях до більш екологічного майбутнього.
Джерело: https://bitcoinworld.co.in/the-environmental-impact-of-artificial-intelligence-a-concern-beyond-misinformation-and-job-threats/