В международном информационном поле важное место занимают темы искусственного интеллекта и изменения климата, но они редко пересекаются. Между тем, развитие машинного разума может драматически повлиять на окружающую среду, предупреждает обозреватель El País Мануэль Г. Паскуаль.

Повседневные действия, такие как использование GPS для определения наилучшего маршрута или перевод документа, потребляют много энергии, воды и минеральных ресурсов, поясняет он. Мобильные приложения зависят от легионов мощных компьютеров по всему миру, хранящих триллионы данных и выполняющих операции за доли секунды (например, расчет времени в пути на основе расстояния и объема трафика).

Оценки энергопотребления центров обработки данных колеблются в пределах 1-2% от общего мирового потребления. И все признаки указывают на то, что энергопотребление центров обработки данных вот-вот резко возрастет. Ведь генеративный искусственный интеллект, технология, лежащая в основе интеллектуальных чат-ботов, таких как ChatGPT, и инструменты, которые генерируют оригинальные изображения и музыку из текстовых подсказок пользователя, требуют большой вычислительной мощности.

Новая парадигма угрожает природе

Microsoft, Google и другие крупные технологические компании в настоящее время интегрируют функции искусственного интеллекта в поисковые системы, текстовые редакторы и электронную почту. Наше отношение к приложениям, которыми мы пользуемся каждый день, вот-вот изменится. В течение многих лет мы вводили ряд команд для выполнения определенных действий. В ближайшем будущем обнаружим, что разговариваем со своими компьютерами, прося их выполнять задачи, которые раньше выполняли сами.

Какое влияние этот сдвиг парадигмы окажет на окружающую среду? Никто не знает наверняка, но большинство людей думают, что последствия будут драматичными. «Искусственный интеллект может показаться бесплотным, но он физически меняет мир», — говорит эксперт по ИИ Кейт Кроуфорд в своей книге «Атлас искусственного интеллекта».

«Планетарные издержки» этой технологии постоянно растут, предупреждала она еще два года назад. Четыре года назад некоторые ученые подсчитали, что к 2040 году на технологический сектор будет приходиться 14% глобальных выбросов. Другие прогнозировали, что к 2030 году спрос на энергию для центров обработки данных увеличится в 15 раз.

Эти прогнозы могут не оправдаться, потому что они предшествуют появлению ChatGPT. У Google и Microsoft сотни миллионов пользователей — что произойдет, если все они начнут использовать инструменты, поддерживаемые генеративным искусственным интеллектом? Канадец Мартин Бушар, соучредитель компании цифровой инфраструктуры QScale, считает, что каждый запрос на основе этой технологии потребует как минимум в четыре-пять раз большей вычислительной мощности.

На запрос об их текущем и будущем энергопотреблении в эпоху генеративного искусственного интеллекта Google и Microsoft не предоставили конкретных цифр. Они только подтвердили свою цель достижения углеродной нейтральности к 2030 году. Для Кроуфорд это означает, что они компенсируют выбросы, покупая кредиты у других людей посредством компенсационных мероприятий, таких как посадка деревьев.

До Луны и обратно

Генеративный ИИ производит больше выбросов, чем обычные поисковые системы, потому что не только просматривает огромные массивы веб-страниц, но также использует архитектуры нейронных сетей с миллионами параметров, которые необходимо обучать, отмечает Карлос Гомес Родригес, профессор компьютерных наук и искусственного интеллекта из Университета США в Ла-Корунья (Испания).

Пару лет назад углеродный след компьютерной индустрии догнал авиацию. Обучение модели обработки естественного языка производит выбросы, эквивалентные сроку службы пяти автомобилей, работающих на бензине, от завода до свалки, или 125 рейсам туда и обратно между Пекином и Нью-Йорком.

По оценкам ученых, обучение GPT3, лежащей в основе модели ChatGPT, могло сгенерировать около 500 тонн углерода, что эквивалентно путешествию на машине до Луны и обратно. «Это может показаться не таким уж большим, но вы должны знать, что модель необходимо периодически переобучать, чтобы она включала обновленные данные», — уточняет Гомес. Между тем, OpenAI недавно представила более продвинутую версию GPT4, и гонка продолжается.

Другая оценка показывает, что потребление электроэнергии OpenAI в январе 2023 года может равняться годовому потреблению 175 000 датских домохозяйств, которые не являются крупнейшими потребителями. Но этот анализ основан на текущем использовании ChatGPT. Если искусственный интеллект станет еще более распространенным, можно будет уже говорить об эквивалентном потреблении электроэнергии миллионами людей.

Выбросами дело не ограничивается. Исследование, опубликованное в журнале Nature, показало, что Google потребовалось 4,17 миллиарда галлонов (15,8 миллиарда литров) воды для охлаждения своих центров обработки данных в 2021 году, в то время как Microsoft использовала почти миллиард галлонов (3,6 миллиарда литров). А для изготовления электронных компонентов используются редкие металлы, которые добываются в шахтах по всему миру.

Дороже всего обходится обучение

«Существует три источника выбросов углерода ИИ: используемое оборудование, углеродоемкость источника энергии и энергия, потребляемая для обучения модели», — говорит Алекс Эрнандес, научный сотрудник Квебекского института искусственного интеллекта (MILA).

Большая часть выбросов производится во время обучения модели ИИ. В большинстве центров обработки данных для этого используются передовые энергоемкие процессоры. Согласно недавнему отчету Morgan Stanley, для обучения больших языковых моделей требуются десятки тысяч графических процессоров, которые работают день и ночь в течение недель или даже месяцев.

Оборудование у всех очень похоже, а вот источники энергии разные. Если вы обучаете свою модель в Квебеке, где большая часть электроэнергии вырабатывается гидроэлектростанциями, вы сократите выбросы углерода в 100 и более раз по сравнению с местами, где электричество вырабатывается из угля, газа и других источников.

По оценкам, 73% центров обработки данных в Китае питаются от угольных электростанций, которые произвели не менее 100 миллионов тонн CO₂ в 2018 году.

В 2018 году OpenAI провела исследование, которое показало, что вычислительные мощности для обучения самых больших моделей искусственного интеллекта удваиваются каждые три-четыре месяца. Это намного быстрее, чем закон Мура, согласно которому количество транзисторов в интегральной схеме удваивается примерно каждые два года.

Среди возможных решений, которые могли бы сделать обучение менее загрязняющим окружающую среду, снижение сложности алгоритмов без ущерба для эффективности.

Эксперты задаются вопросом: действительно ли для построения хороших моделей требуются миллионы параметров. Например, в ChatGPT было обнаружено множество предубеждений, и уже ведутся исследования для достижения тех же результатов с более простой архитектурой.

• Телеграм
• Дзен
• Подписывайтесь на наши каналы и первыми узнавайте о главных новостях и важнейших событиях дня.