A mesterséges intelligencia (AI) területén a viták gyakran a félretájékoztatás és az emberi munkahelyek potenciális veszélye körül forognak. Kate Saenko, a Bostoni Egyetem professzora azonban egy másik jelentős aggodalomra hívja fel a figyelmet: a generatív AI-eszközök jelentős környezeti hatásaira.
MI-kutatóként Saenko aggodalmát fejezi ki az AI-modellek készítésének energiaköltségei miatt. A The Conversation című cikkében hangsúlyozza: "Minél erősebb a mesterséges intelligencia, annál több energiát igényel."
Míg a kriptovaluták, mint például a Bitcoin és az Ethereum energiafogyasztása széles körű vitákat váltott ki, a mesterséges intelligencia gyors fejlődése nem kapott ugyanolyan szintű vizsgálatot a bolygóra gyakorolt hatása tekintetében.
Saenko professzor célja ennek a narratívának a megváltoztatása, elismerve, hogy egyetlen generatív mesterségesintelligencia-lekérdezés karbonlábnyomáról korlátozott adatok állnak rendelkezésre. Kiemeli azonban, hogy a kutatások szerint az energiafogyasztás négyszer-ötször nagyobb, mint egy egyszerű keresőmotoros lekérdezésé.
Egy figyelemre méltó, 2019-ben készült tanulmány egy generatív mesterséges intelligencia-modellt vizsgál, az úgynevezett Bidirectional Encoder Representations from Transformers (BERT), amely 110 millió paraméterből áll. Ez a modell a grafikus feldolgozó egységek (GPU-k) felhasználásával egy személy oda-vissza transzkontinentális repülésének megfelelő energiát fogyasztott a képzési folyamata során. A modell előrejelzéseit irányító és a bonyolultságot növelő paramétereket a képzés során módosítják a hibák csökkentése érdekében.
Összehasonlításképpen Saenko felfedi, hogy az OpenAI GPT-3 modellje elképesztően 175 milliárd paraméterrel 123 benzinüzemű személygépjárműnek megfelelő energiát fogyasztott, ami egy éven át vezetett, vagy körülbelül 1,287 megawattóra áramot fogyasztott. Ezenkívül elképesztő 552 tonna szén-dioxidot termelt. Figyelemre méltó, hogy ez az energiafelhasználás azelőtt történt, hogy a fogyasztók elkezdték volna használni a modellt.
Az AI chatbotok – például a Perplexity AI és a Microsoft Bingbe integrált ChatGPT – növekvő népszerűsége miatt a helyzetet tovább rontja a mobilalkalmazások megjelenése, így ezek a technológiák még szélesebb közönség számára elérhetővé válnak.
Szerencsére Saenko kiemeli a Google tanulmányát, amely különféle stratégiákat javasol a szénlábnyom mérséklésére. Hatékonyabb modellarchitektúrák, processzorok és környezetbarát adatközpontok alkalmazása jelentősen csökkentheti az energiafogyasztást.
Noha egyetlen nagy mesterségesintelligencia-modell önmagában nem pusztítja el a környezetet, Saenko arra figyelmeztet, hogy ha számos vállalat enyhén eltérő AI-botokat fejleszt különböző célokra, amelyek mindegyike több millió vásárlót szolgál ki, a kumulatív energiafelhasználás jelentős aggodalomra ad okot.
Végül Saenko azt sugallja, hogy a további kutatás elengedhetetlen a generatív mesterséges intelligencia hatékonyságának növeléséhez. Bátorítóan kiemeli a mesterséges intelligencia megújuló energiaforrásokkal való működésének lehetőségét. A számítások optimalizálásával, hogy egybeessen a zöld energia elérhetőségével, vagy olyan adatközpontok elhelyezésével, ahol bőséges a megújuló energia, a kibocsátás figyelemreméltó, 30-40-szeres szorzóval csökkenthető ahhoz képest, hogy a fosszilis tüzelőanyagot használó hálózatokra támaszkodnánk.
Összefoglalva, bár továbbra is fennállnak a félretájékoztatással és a mesterséges intelligencia miatti elmozdulással kapcsolatos aggodalmak, Saenko professzornak a generatív mesterségesintelligencia-eszközök környezeti hatásaira helyezett hangsúlya kritikus kérdést vet fel. Fokozott kutatásra és innovatív megközelítésekre van szükség annak biztosítására, hogy a mesterséges intelligencia fejlesztése összhangban legyen a fenntarthatósági célokkal. Ezzel kiaknázhatjuk az AI-ban rejlő lehetőségeket, miközben minimálisra csökkentjük annak szénlábnyomát, és így megnyitjuk az utat a zöldebb jövő felé.
Forrás: https://bitcoinworld.co.in/the-environmental-impact-of-artificial-intelligence-a-concern-beyond-desinformation-and-job-threats/