Генеративный ИИ вреден для окружающей среды?

GettyImages/ Антон Петрус

Ваше ежедневное чтение о правительстве штата и местном самоуправлении

Объединение руководителей штатов и местных органов власти

Кейт Саенко, «Разговор»

Эта статья перепечатана из The Conversation. Прочтите оригинал статьи.

Генеративный искусственный интеллект — это новая технология, лежащая в основе чат-ботов и генераторов изображений. Но насколько горячей она делает планету?

Как исследователь искусственного интеллекта, я часто беспокоюсь об энергетических затратах на создание моделей искусственного интеллекта. Чем мощнее ИИ, тем больше энергии ему требуется. Что означает появление все более мощных генеративных моделей искусственного интеллекта для будущего углеродного следа общества?

«Генераторный» относится к способности алгоритма ИИ создавать сложные данные. Альтернативой является «дискриминирующий» ИИ, который выбирает между фиксированным количеством вариантов и выдает только одно число. Примером дискриминационного результата является выбор, одобрять ли заявку на получение кредита.

Генеративный ИИ может создавать гораздо более сложные результаты, такие как предложение, абзац, изображение или даже короткое видео. Он уже давно используется в таких приложениях, как интеллектуальные колонки для генерации аудиоответов или в автозаполнении, чтобы предложить поисковый запрос. Однако лишь недавно он обрел способность генерировать человеческий язык и реалистичные фотографии.

Использование большего количества энергии, чем когда-либо

Точную стоимость энергии для одной модели ИИ трудно оценить, и она включает в себя энергию, затраченную на производство вычислительного оборудования, создание модели и использование модели в производстве. В 2019 году исследователи обнаружили, что создание генеративной модели искусственного интеллекта под названием BERT со 110 миллионами параметров потребляет энергию трансконтинентального полета туда и обратно для одного человека. Количество параметров относится к размеру модели, причем более крупные модели обычно более эффективны. Исследователи подсчитали, что создание гораздо более крупного GPT-3, имеющего 175 миллиардов параметров, потребовало 1287 мегаватт-часов электроэнергии и произвело 552 тонны эквивалента углекислого газа, что эквивалентно 123 пассажирским автомобилям с бензиновым двигателем, эксплуатируемым в течение одного года. И это только для того, чтобы подготовить модель к запуску, прежде чем потребители начнут ее использовать.

Размер — не единственный показатель выбросов углекислого газа. Модель BLOOM с открытым доступом, разработанная в рамках проекта BigScience во Франции, по размеру аналогична GPT-3, но имеет гораздо меньший углеродный след: она потребляет 433 МВт электроэнергии при производстве 30 тонн CO2-экв. Исследование Google показало, что при том же размере использование более эффективной модели архитектуры и процессора, а также более экологичного центра обработки данных может сократить выбросы углекислого газа в 100–1000 раз.

Более крупные модели потребляют больше энергии во время развертывания. Данные об углеродном следе одного генеративного запроса ИИ ограничены, но, по оценкам некоторых отраслевых экспертов, он в четыре-пять раз выше, чем запрос поисковой системы. Поскольку чат-боты и генераторы изображений становятся все более популярными, а Google и Microsoft включают языковые модели искусственного интеллекта в свои поисковые системы, количество запросов, которые они получают каждый день, может расти в геометрической прогрессии.

AI-боты для поиска

Несколько лет назад немногие люди за пределами исследовательских лабораторий использовали такие модели, как BERT или GPT. Ситуация изменилась 30 ноября 2022 года, когда OpenAI выпустила ChatGPT. Согласно последним доступным данным, в марте 2023 года ChatGPT посетили более 1,5 миллиардов человек. Microsoft включила ChatGPT в свою поисковую систему Bing и сделала ее доступной для всех 4 мая 2023 года. Если чат-боты станут такими же популярными, как поисковые системы, энергия затраты на развертывание ИИ могут действительно возрасти. Но у ИИ-помощников есть гораздо больше применений, чем просто поиск: например, написание документов, решение математических задач и создание маркетинговых кампаний.

Другая проблема заключается в том, что модели ИИ необходимо постоянно обновлять. Например, ChatGPT обучался только на данных до 2021 года, поэтому ему ничего не известно о том, что произошло с тех пор. Углеродный след создания ChatGPT не является общедоступной информацией, но, вероятно, он намного выше, чем у GPT-3. Если бы его приходилось регулярно воссоздавать для обновления своих знаний, затраты на электроэнергию выросли бы еще больше.