548
© Freepik
Според нов доклад на Института за вода, околна среда и здраве към Университета на ООН, до 2030 г. центровете за данни, захранващи изкуствения интелект, ще консумират толкова вода, колкото са нуждите на 1,3 милиарда души.
Според нов доклад на Института за вода, околна среда и здраве към Университета на ООН, до 2030 г. центровете за данни, захранващи изкуствения интелект, ще консумират толкова вода, колкото са нуждите на 1,3 милиарда души.
Докладът, публикуван тази седмица, установява, че екологичната цена на изкуствения интелект се „измерва систематично погрешно“.
Настоящите оценки се фокусират върху въглеродните емисии от обучението на големи езикови модели, като пренебрегват по-широкия отпечатък на технологията върху водните и земните ресурси.
Водният отпечатък идва от охлаждането и захранването на центровете за данни, а земният – от енергийната инфраструктура и веригите за доставки, необходими за тяхното изграждане и функциониране, пише Futurism.
Смята се обаче, че ежедневната работа на ChatGPT, отговаряйки на милиарди заявки, изисква чудовищните 383 гигаватчаса.
Това ни води до водния отпечатък. До същата 2030 г. жаждата на изкуствения интелект ще доведе до консумация на 9,3 трилиона литра вода – количество, равно на основните годишни нужди от вода на всички 1,3 милиарда души в Субсахарска Африка.
Справянето с екологичното въздействие на изкуствения интелект няма да бъде толкова лесно, колкото преминаването към по-зелени източници на енергия, предупреждава докладът.
Замяната на въглищата с биоенергия може да намали въглеродните емисии, свързани с разходите за електроенергия, със 70%, но в същото време да увеличи водния отпечатък 30 пъти, а земния – 100 пъти.
И проблемите не спират дотук: парадоксално, но превръщането на изкуствения интелект в по-енергийно ефективен може всъщност да увеличи екологичния му отпечатък.
И добави: „По-ефективният и достъпен изкуствен интелект и енергия означават по-голяма консумация на AI, което прави общия отпечатък далеч по-голям от това, което спестяваме чрез повишаване на ефективността".
В действителност, подчертава докладът, тези първоначални разходи за обучение са незначителни в сравнение с разходите за „извод“ (inference) – тоест, разходите за работата на моделите при отговаряне на заявки. Те съставляват между 80 и 90 процента от общото потребление на енергия от изкуствения интелект. Например, обучението на модела GPT-4 на OpenAI е консумирало до 70 гигаватчаса електроенергия.
Като се вземат предвид разходите за „извод“, докладът установява, че до 2030 г. центровете за данни, захранващи изкуствения интелект, ще използват 945 тераватчаса електроенергия. Това е три пъти повече от общото потребление на ток в Пакистан, Бангладеш и Нигерия, където живеят над 650 милиона души.
„Това, което ни изненада най-много, е колко често изборите, които изглеждат най-зелени от гледна точка на въглеродните емисии, се оказват по-лоши за водата или за земята“, заяви в изявление относно констатациите водещият автор на доклада Мириам Ацел, изследовател в UNU-INWEH.
„Ако продължим да оценяваме устойчивостта на изкуствения интелект само по въглеродния отпечатък, може да си помислим, че възобновяемите източници правят инфраструктурата му чиста. Но това е решаване на един проблем, докато се създават други, често на места, които не са го искали“, добави тя.
„Много хора смятат, че екологичният отпечатък на изкуствения интелект намалява с подобряването на технологиите и повишаването на ефективността на процесите. Но това е само частична картина на общия проблем“, коментира в изявлението съавторът Кавех Мадани, директор на UNU-INWEH.
&format=webp)
,fit(1280:720)&format=webp)
,fit(1280:720))
)
,fit(1280:720))
,fit(1280:720)&format=webp)
,fit(1280:720)&format=webp)
&format=webp)
&format=webp)
&format=webp)
&format=webp)
,fit(1280:720)&format=webp)
&format=webp)
,fit(1280:720)&format=webp)
,fit(1280:720)&format=webp)
&format=webp)
&format=webp)
,fit(1280:720)&format=webp)
&format=webp)
&format=webp)
,fit(1280:720)&format=webp)
&format=webp)
,fit(1280:720)&format=webp)
&format=webp)