Με την τεχνητή νοημοσύνη να βρίσκεται στο απώγειό της, πολλοί είναι αυτοί που αναρωτιούνται ποια είναι η επίδρασή της στο περιβάλλον.

«Ως μοντέλο γλώσσας τεχνητής νοημοσύνης, δεν έχω φυσική παρουσία ούτε καταναλώνω άμεσα ενέργεια», θα πει ή «Η κατανάλωση ενέργειας που σχετίζεται με τις λειτουργίες μου σχετίζεται κυρίως με τους διακομιστές και την υποδομή που χρησιμοποιούνται για τη φιλοξενία και την εκτέλεση του μοντέλο».

Τα προγράμματα AI μπορεί να φαίνονται «ασώματα». Αλλά τροφοδοτούνται από δίκτυα διακομιστών σε κέντρα δεδομένων σε όλο τον κόσμο, τα οποία απαιτούν μεγάλες ποσότητες ενέργειας για την τροφοδοσία και μεγάλους όγκους νερού για να διατηρηθούν δροσερά.

Επειδή τα προγράμματα τεχνητής νοημοσύνης είναι τόσο πολύπλοκα, απαιτούν περισσότερη ενέργεια από άλλες μορφές υπολογιστών. Αλλά το πρόβλημα είναι ότι είναι απίστευτα δύσκολο να καταλάβουμε πόσο ακριβώς.

«Σφίγγες» οι εταιρείες

Καθώς ανταγωνίζονται για την κατασκευή ολοένα και πιο εξελιγμένων μοντέλων τεχνητής νοημοσύνης, εταιρείες όπως το OpenAI – που δημιούργησαν το ChatGPT – η Google και η Microsoft δεν θα αποκαλύψουν πόση ηλεκτρική ενέργεια και νερό χρειάζεται για να εκπαιδεύσουν και να λειτουργήσουν τα μοντέλα τεχνητής νοημοσύνης τους, ποιες πηγές ενέργειας τροφοδοτούν τα κέντρα δεδομένων τους , ή ακόμα και πού βρίσκονται ορισμένα από τα κέντρα δεδομένων τους.

Η Meta, η μητρική εταιρεία του Facebook, για παράδειγμα, πέρσι αποκάλυψε ότι κατασκεύαζε αυτό που πίστευε ότι ήταν ο ταχύτερος υπερυπολογιστής στον κόσμο, που ονομάζεται AI Research SuperCluster (RSC). Αλλά δεν αποκάλυψε πού βρισκόταν ο υπερυπολογιστής ή πώς τροφοδοτούνταν.

Τώρα, καθώς η βιομηχανία της τεχνολογίας βιάζεται να ενσωματώσει τη γενετική τεχνητή νοημοσύνη σε σχεδόν τα πάντα – από email και αναζήτηση μέχρι εφαρμογές παράδοσης φαγητού και υπηρεσίες ψυχικής υγείας – ειδικοί και ερευνητές του κλάδου προειδοποιούν ότι η ανεξέλεγκτη ανάπτυξη της τεχνολογίας θα μπορούσε να έχει σημαντικό περιβαλλοντικό κόστος.

«Αυτή η εκθετική χρήση της τεχνητής νοημοσύνης φέρνει μαζί της την ανάγκη για ολοένα και περισσότερη ενέργεια», δήλωσε ο Sasha Luccioni, επικεφαλής για το κλίμα της εταιρείας τεχνητής νοημοσύνης Hugging Face.

«Και όμως βλέπουμε αυτή τη μετατόπιση των ανθρώπων που χρησιμοποιούν παραγωγικά μοντέλα τεχνητής νοημοσύνης μόνο και μόνο επειδή αισθάνονται όπως θα έπρεπε, χωρίς να λαμβάνεται υπόψη η βιωσιμότητα».

Ο Luccioni είναι ένας από τους λίγους ερευνητές που προσπάθησαν να αξιολογήσουν τις εκπομπές που παράγονται κατά τη δημιουργία συγκεκριμένων μοντέλων τεχνητής νοημοσύνης.

H πρώτη απόπειρα μέτρησης ενέργειας

Σε μια ερευνητική εργασία που δεν έχει ακόμη αξιολογηθεί από ομοτίμους, οι συγγραφείς της υπολόγισαν την ποσότητα ενέργειας που χρησιμοποιήθηκε για την εκπαίδευση του μεγάλου γλωσσικού μοντέλου της Hugging Face, Bloom, σε έναν υπερυπολογιστή. την ενέργεια που χρησιμοποιείται για την κατασκευή του υλικού του υπερυπολογιστή και τη συντήρηση της υποδομής του· και την ηλεκτρική ενέργεια που χρησιμοποιήθηκε για την εκτέλεση του προγράμματος μετά την εκκίνησή του. Διαπίστωσαν ότι παρήγαγε περίπου 50 μετρικούς τόνους εκπομπών διοξειδίου του άνθρακα, που ισοδυναμεί με περίπου 60 πτήσεις μεταξύ Λονδίνου και Νέας Υόρκης.

Το ενεργειακό αποτύπωμα του Bloom είναι χαμηλότερο από αυτό των άλλων προγραμμάτων παραγωγής τεχνητής νοημοσύνης, εκτιμά η Luccioni και η ομάδα της, καθώς οι υπερυπολογιστές της Bloom τροφοδοτούνται από πυρηνική ενέργεια, η οποία δεν παράγει εκπομπές άνθρακα.

Αντίθετα, περιορισμένα δημόσια διαθέσιμα δεδομένα υποδηλώνουν ότι περίπου 500 μετρικοί τόνοι CO2 παρήχθησαν μόνο κατά την εκπαίδευση του μοντέλου GPT3 του ChatGPT – το ισοδύναμο με περισσότερα από ένα εκατομμύριο μίλια που διανύθηκαν από μεσαία βενζινοκίνητα αυτοκίνητα, σημείωσαν οι ερευνητές.

«Για το πιο πρόσφατο μοντέλο του ChatGPT, το GPT4, το [OpenAI] δεν έχει πει τίποτα ούτε για το πόσο καιρό εκπαιδεύτηκε, ούτε για το πού εκπαιδεύτηκε, ούτε για τα δεδομένα που χρησιμοποιούν», είπε ο Luccioni. «Έτσι ουσιαστικά σημαίνει ότι είναι αδύνατο να εκτιμηθούν οι εκπομπές».

Εν τω μεταξύ, τα νεότερα μοντέλα τεχνητής νοημοσύνης γίνονται μεγαλύτερα – και απαιτούν περισσότερη ενέργεια. Τα μεγαλύτερα μοντέλα απαιτούν τη χρήση ολοένα και ισχυρότερων μονάδων επεξεργασίας γραφικών (GPU) και χρειάζονται περισσότερο χρόνο για να εκπαιδευτούν – καταναλώνοντας περισσότερους πόρους και ενέργεια, είπε ο Luccioni.

Στα ύψη η κατανάλωση νερού

Ακόμα πιο ασαφής είναι η ποσότητα του νερού που καταναλώνεται στη δημιουργία και τη χρήση διαφόρων μοντέλων τεχνητής νοημοσύνης. Τα κέντρα δεδομένων χρησιμοποιούν νερό σε συστήματα ψύξης με εξάτμιση για να αποτρέψουν την υπερθέρμανση του εξοπλισμού.

Μια μελέτη που δεν έχει αξιολογηθεί, με επικεφαλής ερευνητές στο UC Riverside, εκτιμά ότι η εκπαίδευση του GPT3 στα υπερσύγχρονα κέντρα δεδομένων της Microsoft στις ΗΠΑ θα μπορούσε ενδεχομένως να είχε καταναλώσει 700.000 λίτρα (184.920,45 γαλόνια) γλυκού νερού.

Ελλείψει ακριβών, δημόσιων δεδομένων, οι ερευνητές έπρεπε να υποθέσουν την «αποτελεσματικότητα χρήσης νερού» ή την αναλογία της ενέργειας που χρησιμοποιεί ένα κέντρο δεδομένων και του νερού που χρησιμοποιείται για να το διατηρεί δροσερό και να λειτουργεί, με βάση τον μέσο όρο της Microsoft.

Ο πραγματικός αριθμός των λίτρων που χρησιμοποιούνται θα μπορούσε να ποικίλλει σημαντικά ανάλογα με το πού και πότε ακριβώς εκπαιδεύτηκε το GPT-3 – για να καεί η Αριζόνα, θα χρειαζόταν πολύ νερό για να μην υπερθερμανθούν οι διακομιστές, ενώ στο Wyoming, ένα κέντρο μπορεί να χρησιμοποιεί λιγότερο νερό.

Ο σχεδιασμός των συγκεκριμένων κέντρων δεδομένων θα μπορούσε επίσης να επηρεάσει άγρια τους αριθμούς. Αντί να χρησιμοποιεί συστήματα ψύξης με εξάτμιση υψηλής έντασης νερού, ένα κέντρο μπορεί να χρησιμοποιεί παραδοσιακό κλιματισμό – που χρησιμοποιεί λιγότερο νερό, αλλά περισσότερο ηλεκτρισμό.

Η Google έγινε ο πρώτος τεχνολογικός «γίγαντας» που δημοσιοποίησε τη χρήση του νερού παγκοσμίως, αλλά παρείχε μέσους αριθμούς που έκρυβαν σημαντικές λεπτομέρειες σχετικά με τις τοπικές επιπτώσεις των κέντρων δεδομένων της.

Μετά από μια παρατεταμένη νομική διαμάχη με το Όρεγκον, η πόλη του Ντάλες του Όρεγκον δημοσίευσε δεδομένα που δείχνουν ότι τα κέντρα δεδομένων της Google χρησιμοποιούσαν το ένα τέταρτο της παροχής νερού της πόλης.

Επειδή η αποτελεσματικότητα χρήσης νερού ενός έργου τεχνητής νοημοσύνης θα μπορούσε να χρησιμοποιηθεί για να μαντέψει κανείς την υπολογιστική του χωρητικότητα, οι εταιρείες θέλουν να κρατήσουν μυστική τη χρήση του νερού τους, δήλωσε ο Shaolei Ren, αναπληρωτής καθηγητής ηλεκτρολογίας και μηχανικής υπολογιστών στο UC Riverside. «Θέλουν να μας δώσουν όσο το δυνατόν λιγότερες πληροφορίες», είπε.

Γενικά, οι εταιρείες έχουν την τάση να κατασκευάζουν κέντρα δεδομένων όπου η ισχύς είναι φθηνή. Καθώς οι μεγάλες εταιρείες τεχνολογίας όπως η Google και η Microsoft προσπαθούν να επιτύχουν τον στόχο καθαρών μηδενικών εκπομπών, μπορεί να έχουν ιδιαίτερα κίνητρα να χτίσουν σε περιοχές όπου η ηλιακή ή η αιολική ενέργεια είναι άφθονη –όπως η Αριζόνα– αλλά το νερό είναι σπάνιο.

Η Meta και η OpenAI δεν απάντησαν στα αιτήματα του Guardian για σχολιασμό. Η Google και η Microsoft αρνήθηκαν να παράσχουν απάντηση επί του αρχείου.

Κινδυνεύει το περιβάλλον;

Όταν κορυφαία στελέχη κορυφαίων εταιρειών τεχνητής νοημοσύνης ζήτησαν ρύθμιση για την πρόληψη του «υπαρξιακού κινδύνου» που θέτει η τεχνητή νοημοσύνη, πυροδότησαν εικασίες σχετικά με τις απειλές που θέτει η υπερευφυΐα στην κοινωνία. Αλλά οι ερευνητές προειδοποίησαν ότι ένας από τους πιο άμεσους, σχετικούς κινδύνους ήταν ο περιβαλλοντικός.

Πηγή: intronews