У той час як питання про небезпеку штучного інтелекту, включаючи дезінформацію та загрозу витісненню людей з роботи, все ще домінують у дискусії, професор Бостонського університету б’є на сполох щодо іншого можливого побічного ефекту – що генеративні інструменти ШІ можуть мати значний вплив на навколишнє середовище. **
«Як дослідник штучного інтелекту я часто турбуюся про витрати енергії на створення моделей штучного інтелекту», — написала Кейт Саєнко, ад’юнкт-професор інформатики Бостонського університету, у статті для The Conversation. Вона зазначила: «Чим потужніший він , тим більше енергії потрібно».
Хоча енергоспоживання блокчейнів, таких як Bitcoin та Ethereum, стало центром досліджень і дебатів від Twitter до залів Конгресу, вплив швидкого розвитку штучного інтелекту на планету ще не отримав такої ж уваги.
Професор Саєнко прагне це змінити, але у своїй статті вона визнає, що існує обмежена кількість даних про вуглецевий слід окремих генеративних запитів ШІ. Проте, за її словами, результати показали, що генеративні запити штучного інтелекту споживають у чотири-п’ять разів більше енергії, ніж прості пошукові запити.
Згідно зі звітом у 2019 році, професор Саєнко згадав генеративну модель штучного інтелекту під назвою BERT (Bidirectional Encoder Representations from Transformers), яка має 110 мільйонів параметрів, а енергія, що витрачається на навчання моделі, еквівалентна подорожі однієї людини через континентальний рейс і модель. навчання з використанням графічних процесорів (GPU).
У моделях штучного інтелекту параметри – це змінні, отримані з даних, які керують прогнозами моделі. Більше параметрів у моделі зазвичай означає більш складну модель і, отже, вимагає більше даних і обчислювальних ресурсів. Під час навчання параметри налаштовуються для мінімізації помилок.
Для порівняння, професор Саєнко зазначив, що модель OpenAI GPT-3 має 175 мільярдів параметрів і споживає стільки ж енергії, скільки 123 бензинових легкових автомобіля протягом року, або близько 1287 мегават-годин електроенергії. При цьому модель викинула 552 тонни CO2. Вона також додала, що ця цифра стосується лише того моменту, коли модель буде готова до запуску, а споживачі не почнуть її використовувати.
«Якщо чат-боти стануть такими ж популярними, як пошукові системи, енергозатрати на розгортання цих штучних інтелектів можуть бути дуже високими», — сказав професор Саєнко, навівши як приклад додавання Microsoft ChatGPT до свого веб-браузера Bing на початку цього місяця.
Ситуація ускладнюється тим, що все більше чат-ботів зі штучним інтелектом, таких як Perplexity AI і популярний ChatGPT від OpenAI, випускають мобільні програми. Це робить їх зручнішими у використанні та доступними для ширшої бази користувачів.
Професор Саєнко вказав на дослідження, проведене Google, яке виявило, що використання більш ефективних модельних архітектур і процесорів, а також більш екологічних центрів обробки даних може значно зменшити вуглецевий слід.
«Одна велика модель штучного інтелекту не завдасть шкоди навколишньому середовищу, але якщо тисячі компаній розроблять трохи різних роботів ШІ для різних цілей, і кожен робот буде використовуватися мільйонами клієнтів, споживання енергії може стати проблемою».
Зрештою Саєнко дійшла висновку, що потрібні додаткові дослідження, щоб зробити генеративний ШІ ефективнішим, але вона налаштована оптимістично.
«Хороша новина полягає в тому, що штучний інтелект може працювати на відновлюваних джерелах енергії, – написала вона. – Розміщуючи обчислення там або в той час, коли відновлюваних джерел енергії більше, ми зможемо робити це набагато ефективніше, ніж якби були. використовуючи здебільшого викопне паливо". Це може зменшити викиди в 30-40 разів порівняно з домінуючою електромережею".
Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Який вплив мають генеративні інструменти ШІ на навколишнє середовище?
У той час як питання про небезпеку штучного інтелекту, включаючи дезінформацію та загрозу витісненню людей з роботи, все ще домінують у дискусії, професор Бостонського університету б’є на сполох щодо іншого можливого побічного ефекту – що генеративні інструменти ШІ можуть мати значний вплив на навколишнє середовище. **
«Як дослідник штучного інтелекту я часто турбуюся про витрати енергії на створення моделей штучного інтелекту», — написала Кейт Саєнко, ад’юнкт-професор інформатики Бостонського університету, у статті для The Conversation. Вона зазначила: «Чим потужніший він , тим більше енергії потрібно».
Хоча енергоспоживання блокчейнів, таких як Bitcoin та Ethereum, стало центром досліджень і дебатів від Twitter до залів Конгресу, вплив швидкого розвитку штучного інтелекту на планету ще не отримав такої ж уваги.
Професор Саєнко прагне це змінити, але у своїй статті вона визнає, що існує обмежена кількість даних про вуглецевий слід окремих генеративних запитів ШІ. Проте, за її словами, результати показали, що генеративні запити штучного інтелекту споживають у чотири-п’ять разів більше енергії, ніж прості пошукові запити.
Згідно зі звітом у 2019 році, професор Саєнко згадав генеративну модель штучного інтелекту під назвою BERT (Bidirectional Encoder Representations from Transformers), яка має 110 мільйонів параметрів, а енергія, що витрачається на навчання моделі, еквівалентна подорожі однієї людини через континентальний рейс і модель. навчання з використанням графічних процесорів (GPU).
У моделях штучного інтелекту параметри – це змінні, отримані з даних, які керують прогнозами моделі. Більше параметрів у моделі зазвичай означає більш складну модель і, отже, вимагає більше даних і обчислювальних ресурсів. Під час навчання параметри налаштовуються для мінімізації помилок.
Для порівняння, професор Саєнко зазначив, що модель OpenAI GPT-3 має 175 мільярдів параметрів і споживає стільки ж енергії, скільки 123 бензинових легкових автомобіля протягом року, або близько 1287 мегават-годин електроенергії. При цьому модель викинула 552 тонни CO2. Вона також додала, що ця цифра стосується лише того моменту, коли модель буде готова до запуску, а споживачі не почнуть її використовувати.
«Якщо чат-боти стануть такими ж популярними, як пошукові системи, енергозатрати на розгортання цих штучних інтелектів можуть бути дуже високими», — сказав професор Саєнко, навівши як приклад додавання Microsoft ChatGPT до свого веб-браузера Bing на початку цього місяця.
Ситуація ускладнюється тим, що все більше чат-ботів зі штучним інтелектом, таких як Perplexity AI і популярний ChatGPT від OpenAI, випускають мобільні програми. Це робить їх зручнішими у використанні та доступними для ширшої бази користувачів.
Професор Саєнко вказав на дослідження, проведене Google, яке виявило, що використання більш ефективних модельних архітектур і процесорів, а також більш екологічних центрів обробки даних може значно зменшити вуглецевий слід.
«Одна велика модель штучного інтелекту не завдасть шкоди навколишньому середовищу, але якщо тисячі компаній розроблять трохи різних роботів ШІ для різних цілей, і кожен робот буде використовуватися мільйонами клієнтів, споживання енергії може стати проблемою».
Зрештою Саєнко дійшла висновку, що потрібні додаткові дослідження, щоб зробити генеративний ШІ ефективнішим, але вона налаштована оптимістично.
«Хороша новина полягає в тому, що штучний інтелект може працювати на відновлюваних джерелах енергії, – написала вона. – Розміщуючи обчислення там або в той час, коли відновлюваних джерел енергії більше, ми зможемо робити це набагато ефективніше, ніж якби були. використовуючи здебільшого викопне паливо". Це може зменшити викиди в 30-40 разів порівняно з домінуючою електромережею".