⚡️Ненасытный ИИ и его экологический след: часть 2
Продолжаем серию постов про влияние искусственного интеллекта на окружающую среду. В этой части расскажем про потребление технологией электроэнергии и о её углеродном следе.
Наряду с высоким водным следом, для ИИ также характерно колоссальное энергопотребление. Обучение крупных языковых моделей, таких как GPT-3, требует миллионов киловатт-часов электроэнергии. Например:
• По данным того же исследования, обучение этой модели потребовало около 1 287 МВт*ч электроэнергии, что эквивалентно годовому энергопотреблению среднего американского дома на протяжении более чем 120 лет;
• Даже в фазе эксплуатации, каждый запрос к модели ИИ требует значительных вычислительных ресурсов. Например, обработка одного запроса GPT-3 может потреблять несколько кВт*ч энергии в зависимости от сложности запроса и инфраструктуры дата-центра.
А энергопотребление ИИ, в свою очередь, напрямую влияет на его углеродный след. Для генерации электроэнергии, используемой в дата-центрах, в атмосферу выбрасываются тонны углекислого газа. Углеродный след обучения GPT-3 оценивается в 552 метрических тонны CO₂, что эквивалентно выбросам от перелёта 550 пассажиров между Нью-Йорком и Лондоном.
Китайским исследователям удалось подсчитать, что выбросы углекислого газа от крупных моделей ИИ, выпущенных с 2020 по 2024 годы, достигают 102 миллионов тонн ежегодно. На долю разработанной в Google модели Gemini Ultra приходится больше 1/3 выбросов, а углеродный след GPT-4 вырос в 12 раз по сравнению с предыдущей версией. При этом основная часть выбросов связана не с обучением моделей, а с их последующей работой. Из-за резкого роста спроса на ИИ-сервисы ежегодные выбросы нейросети могут быть в 960 раз больше, чем от ее обучения.
Сложность решения проблемы заключается в том, что данные о ресурсоемкости ИИ являются коммерческой тайной крупных технологических компаний. Например, OpenAI так и не раскрыла, сколько времени заняло обучение модели GPT-3, что делает практически невозможным точный расчёт потребляемых ресурсов. Даже частичная информация, предоставляемая в отчетах, как правило, фокусируется на общем водном или углеродном следе, оставляя в тени реальные цифры, связанные с развитием ИИ. Только в 2024 году благодаря исследователям и журналистам тема начала привлекать больше внимания.
Больше сравнений в карточках ниже 👇
О регулировании ИИ читайте в заключительной части
