Скрытая цена инноваций: растущий экологический след генеративного ИИ

Быстрое развитие и внедрение мощных моделей генеративного ИИ имеет экологические последствия, включая увеличенный спрос на электроэнергию и потребление воды.

В рамках своего исследования MIT News рассматривает экологические последствия генеративного ИИ. В этой статье рассматривается, почему эта технология требует так много ресурсов. Второй материал будет посвящен тому, что эксперты делают для сокращения углеродного следа и других воздействий.

Возбуждение вокруг потенциальных преимуществ генеративного ИИ, от повышения производительности работников до продвижения научных исследований, трудно игнорировать. Хотя стремительный рост этой новой технологии позволил быстро развернуть мощные модели в различных отраслях, экологические последствия этого «золотого рун» генеративного ИИ остаются трудными для оценки, не говоря уже о смягчении.

Компаутерная мощность, необходимая для обучения моделей генеративного ИИ, часто имеющих миллиарды параметров, таких как GPT-4, может требовать колоссального количества электроэнергии, что приводит к увеличению выбросов углекислого газа и нагрузке на электрическую сеть. Более того, внедрение этих моделей в реальные приложения, позволяющее миллионам использовать генеративный ИИ в повседневной жизни, и последующая доработка моделей для улучшения их работы требуют больших затрат энергии долгосрочно после разработки модели.

Кроме потребления электроэнергии, для охлаждения оборудования, используемого для обучения, развертывания и доработки моделей генеративного ИИ, необходимо значительное количество воды, что может создавать нагрузку на муниципальные источники водоснабжения и нарушать местные экосистемы. Увеличивающееся количество приложений генеративного ИИ также стимулирует спрос на высокопроизводительное вычислительное оборудование, что добавляет косвенные экологические последствия от его производства и транспортировки.

Требования к электричеству

Электрические требования к дата-центрам являются одним из основных факторов, способствующих экологическим воздействиям генеративного ИИ, поскольку дата-центры используются для обучения и работы глубоких моделей, стоящих за популярными инструментами, такими как ChatGPT и DALL-E.

Дата-центр — это здание с контролируемой температурой, в котором находится вычислительная инфраструктура, такая как серверы, накопители данных и сетевое оборудование. Например, Amazon имеет более 100 дата-центров по всему миру, каждый из которых имеет около 50,000 серверов, которые компания использует для поддержки облачных вычислительных услуг.

Хотя дата-центры существуют с 1940-х годов (первый был построен в Университете Пенсильвании в 1945 году для поддержки первого общего цифрового компьютера ENIAC), рост генеративного ИИ значительно увеличил темпы строительства дата-центров.

По мнению Номана Башира, ведущего автора исследовательской работы, «разница в энергетической плотности, необходимой для генеративного ИИ, очевидна. Основная суть заключается в том, что генеративный ИИ требует в семь или восемь раз больше энергии, чем обычная вычислительная нагрузка». Он также упомянул, что оценка энергетических требований дата-центров в Северной Америке увеличилась с 2688 мегаватт в конце 2022 года до 5341 мегаватт в конце 2023 года, частично из-за требований генеративного ИИ.

Воздействие во время использования

Когда модель генеративного ИИ обучена, потребление энергии не исчезает. Каждый раз, когда модель используется, например, когда пользователь запрашивает у ChatGPT резюме электронного письма, вычислительное оборудование, которое выполняет эти операции, потребляет энергию. Исследователи оценили, что запрос ChatGPT потребляет примерно в пять раз больше электроэнергии, чем простой веб-поиск.

На конечном этапе следует учитывать и потребление воды, поскольку для охлаждения дата-центра требуется два литра воды на каждый киловатт-час энергии, который он потребляет.

Непрямые экологические последствия

Более того, вычислительное оборудование внутри дата-центров приносит свои собственные менее прямые экологические последствия. Хотя трудно оценить, сколько энергии потребуется для производства графического процессора (GPU), необходимого для обработки интенсивных нагрузок генеративного ИИ, следует отметить, что этот процесс более сложный по сравнению с производством простого центрального процессора (CPU). Экологические последствия добычи сырьевых материалов для производства GPU также стоит учитывать, так как они могут включать загрязняющие горные процессы и использование токсичных химикатов.

Рынок исследовательских фирм TechInsights оценивает, что три основных производителя (NVIDIA, AMD и Intel) поставили 3.85 миллиона GPU в дата-центры в 2023 году, увеличившись с примерно 2.67 миллиона в 2022 году. Эта цифра ожидается, что она увеличится еще больше в 2024 году.

Отрасль находится на несостоятельном пути, но существуют пути для поощрения ответственного развития генеративного ИИ, которое поддерживает экологические цели.

По мнению Номана Башира и его коллег, это потребует всестороннего рассмотрения всех экологических и социальных затрат генеративного ИИ, а также тщательной оценки его предполагаемых преимуществ.

Прокомментировать в Телеграм: https://t.me/n8nhow

Подписаться на канал обучения n8n: https://t.me/n8ncoaching