Alors que les questions sur les dangers de l'IA, y compris la désinformation et les menaces de déplacement d'emplois humains, dominent toujours la discussion, un professeur de l'Université de Boston tire la sonnette d'alarme sur un autre effet secondaire possible : les outils d'IA générative pourraient avoir un impact environnemental considérable. **
"En tant que chercheuse en IA, je m'inquiète souvent du coût énergétique de la construction de modèles d'IA", a écrit Kate Saenko, professeure agrégée d'informatique à l'Université de Boston, dans un article pour The Conversation. , plus il faut d'énergie."
Alors que la consommation d'énergie des chaînes de blocs comme Bitcoin et Ethereum est devenue le centre de recherche et de débat de Twitter aux salles du Congrès, l'impact des progrès rapides de l'intelligence artificielle sur la planète n'a pas encore reçu la même attention.
Le professeur Saenko vise à changer cela, mais dans son article, elle reconnaît qu'il existe des données limitées sur l'empreinte carbone des requêtes individuelles d'IA générative. Cependant, elle a déclaré que les résultats ont montré que les requêtes d'IA génératives consomment quatre à cinq fois plus d'énergie que les requêtes simples des moteurs de recherche.
Selon un rapport de 2019, le professeur Saenko a mentionné un modèle d'intelligence artificielle générative appelé BERT (Représentations d'encodeurs bidirectionnels de transformateurs), qui compte 110 millions de paramètres, et l'énergie consommée pour former le modèle équivaut à une personne voyageant à travers le vol et le modèle Continental. formation à l'aide des unités de traitement graphique (GPU).
Dans les modèles d'IA, les paramètres sont des variables apprises à partir des données qui guident les prédictions du modèle. Plus de paramètres dans un modèle signifient généralement un modèle plus complexe et nécessitent donc plus de données et de ressources informatiques. Pendant la formation, les paramètres sont réglés pour minimiser les erreurs.
En comparaison, le professeur Saenko a mentionné que le modèle GPT-3 d'OpenAI compte 175 milliards de paramètres et consomme autant d'énergie que 123 voitures particulières à essence pendant un an, soit environ 1 287 mégawattheures d'électricité. Dans le même temps, le modèle a produit 552 tonnes de CO2. Elle a également ajouté que ce chiffre n'est valable que lorsque le modèle est prêt à être lancé, sans qu'aucun consommateur ne commence à utiliser le modèle.
"Si les chatbots deviennent aussi populaires que les moteurs de recherche, le coût énergétique du déploiement de ces IA pourrait être très élevé", a déclaré le professeur Saenko, citant l'ajout par Microsoft de ChatGPT à son navigateur Web Bing au début du mois, à titre d'exemple.
Pour compliquer encore les choses, de plus en plus de chatbots IA, tels que Perplexity AI et le populaire ChatGPT d'OpenAI, lancent des applications mobiles. Cela les rend plus faciles à utiliser et exposés à une base d'utilisateurs plus large.
Le professeur Saenko a souligné une étude menée par Google qui a révélé que l'utilisation d'architectures de modèles et de processeurs plus efficaces, ainsi que de centres de données plus écologiques, peut réduire considérablement l'empreinte carbone.
"Un seul grand modèle d'IA ne dévastera pas l'environnement, mais si des milliers d'entreprises développent des robots d'IA légèrement différents à des fins différentes, et que chaque robot est utilisé par des millions de clients, la consommation d'énergie pourrait être un problème."
En fin de compte, Saenko a conclu que davantage de recherches sont nécessaires pour rendre l'IA générative plus efficace, mais elle est optimiste.
"La bonne nouvelle est que l'IA peut fonctionner avec des énergies renouvelables", a-t-elle écrit. "En plaçant des calculs là où, ou à des moments où, les énergies renouvelables sont plus abondantes, nous pourrons le faire beaucoup plus efficacement que nous ne le ferions si nous étions en utilisant principalement des combustibles fossiles." Cela pourrait réduire les émissions d'un facteur de 30 à 40 par rapport au réseau dominant. "
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Quel impact les outils d'IA générative ont-ils sur l'environnement ?
Alors que les questions sur les dangers de l'IA, y compris la désinformation et les menaces de déplacement d'emplois humains, dominent toujours la discussion, un professeur de l'Université de Boston tire la sonnette d'alarme sur un autre effet secondaire possible : les outils d'IA générative pourraient avoir un impact environnemental considérable. **
"En tant que chercheuse en IA, je m'inquiète souvent du coût énergétique de la construction de modèles d'IA", a écrit Kate Saenko, professeure agrégée d'informatique à l'Université de Boston, dans un article pour The Conversation. , plus il faut d'énergie."
Alors que la consommation d'énergie des chaînes de blocs comme Bitcoin et Ethereum est devenue le centre de recherche et de débat de Twitter aux salles du Congrès, l'impact des progrès rapides de l'intelligence artificielle sur la planète n'a pas encore reçu la même attention.
Le professeur Saenko vise à changer cela, mais dans son article, elle reconnaît qu'il existe des données limitées sur l'empreinte carbone des requêtes individuelles d'IA générative. Cependant, elle a déclaré que les résultats ont montré que les requêtes d'IA génératives consomment quatre à cinq fois plus d'énergie que les requêtes simples des moteurs de recherche.
Selon un rapport de 2019, le professeur Saenko a mentionné un modèle d'intelligence artificielle générative appelé BERT (Représentations d'encodeurs bidirectionnels de transformateurs), qui compte 110 millions de paramètres, et l'énergie consommée pour former le modèle équivaut à une personne voyageant à travers le vol et le modèle Continental. formation à l'aide des unités de traitement graphique (GPU).
Dans les modèles d'IA, les paramètres sont des variables apprises à partir des données qui guident les prédictions du modèle. Plus de paramètres dans un modèle signifient généralement un modèle plus complexe et nécessitent donc plus de données et de ressources informatiques. Pendant la formation, les paramètres sont réglés pour minimiser les erreurs.
En comparaison, le professeur Saenko a mentionné que le modèle GPT-3 d'OpenAI compte 175 milliards de paramètres et consomme autant d'énergie que 123 voitures particulières à essence pendant un an, soit environ 1 287 mégawattheures d'électricité. Dans le même temps, le modèle a produit 552 tonnes de CO2. Elle a également ajouté que ce chiffre n'est valable que lorsque le modèle est prêt à être lancé, sans qu'aucun consommateur ne commence à utiliser le modèle.
"Si les chatbots deviennent aussi populaires que les moteurs de recherche, le coût énergétique du déploiement de ces IA pourrait être très élevé", a déclaré le professeur Saenko, citant l'ajout par Microsoft de ChatGPT à son navigateur Web Bing au début du mois, à titre d'exemple.
Pour compliquer encore les choses, de plus en plus de chatbots IA, tels que Perplexity AI et le populaire ChatGPT d'OpenAI, lancent des applications mobiles. Cela les rend plus faciles à utiliser et exposés à une base d'utilisateurs plus large.
Le professeur Saenko a souligné une étude menée par Google qui a révélé que l'utilisation d'architectures de modèles et de processeurs plus efficaces, ainsi que de centres de données plus écologiques, peut réduire considérablement l'empreinte carbone.
"Un seul grand modèle d'IA ne dévastera pas l'environnement, mais si des milliers d'entreprises développent des robots d'IA légèrement différents à des fins différentes, et que chaque robot est utilisé par des millions de clients, la consommation d'énergie pourrait être un problème."
En fin de compte, Saenko a conclu que davantage de recherches sont nécessaires pour rendre l'IA générative plus efficace, mais elle est optimiste.
"La bonne nouvelle est que l'IA peut fonctionner avec des énergies renouvelables", a-t-elle écrit. "En plaçant des calculs là où, ou à des moments où, les énergies renouvelables sont plus abondantes, nous pourrons le faire beaucoup plus efficacement que nous ne le ferions si nous étions en utilisant principalement des combustibles fossiles." Cela pourrait réduire les émissions d'un facteur de 30 à 40 par rapport au réseau dominant. "