A mesterséges intelligencia (MI) használata egyre szervesebb részévé válik sokunk mindennapi életének, ám a fejlesztésével és alkalmazásával kapcsolatos igen magas energiaköltségek is egyre nyilvánvalóbbá válnak. Az MI 2025-re a globális villamosenergia-fogyasztás 10 százalékát is elfogyaszthatja.
A mesterséges intelligencia néhányunk mindennapi életének szerves része lett, a streaming platformokon megjelenő, személyre szabott ajánlásoktól kezdve az önvezető autókon át a fejlett orvosi diagnosztikáig. A mesterséges intelligencia folyamatos fejlődésével és alkalmazásainak bővülésével azonban egyre nyilvánvalóbbá válnak az ehhez kapcsolódó energiaköltségek. Miközben a mesterséges intelligencia képes forradalmasítani különböző iparágakat és hozzájárulni a fenntartható fejlődéshez, elengedhetetlen, hogy feltárjuk az ehhez a technológiához kapcsolódó energiafogyasztást, és megvizsgáljuk, hogyan lehet minimalizálni a környezeti hatásukat.
„Mennyit fogyaszt” a mesterséges intelligencia?
A mesterséges intelligencia energiafogyasztásának egyik fő mozgatórugója a mélytanulási modellek képzésének folyamata. Ezek hatalmas mennyiségű adatot és számítási teljesítményt igényelnek a tanuláshoz és a teljesítményük javításához. Ennek eredményeképpen az MI-modellek képzéséhez kapcsolódó energiafogyasztás óriási lehet. A Massachusetts Amherst Egyetem kutatóinak 2019-es tanulmánya megállapította, hogy
egyetlen mesterségesintelligencia-modell természetes nyelvi feldolgozására való kiképzése annyi szén-dioxidot bocsát ki, mint amennyi öt autó a teljes élettartama alatt.
Ez rávilágít az energiahatékonyabb mesterségesintelligencia-képzési módszerek és a zöldebb MI-infrastruktúra szükségességére.
Ráadásul a mesterséges intelligencia energiafogyasztása nem ér véget a képzési fázissal, hiszen az az adatfeldolgozás és a feladatok elvégzése során is fogyaszt. Bizonyos esetekben az MI-rendszerek energiafogyasztása a szokottnál is jelentősebb lehet. Különösen akkor, ha nagy méretű alkalmazásokban, például adatközpontokban és felhőalapú számítástechnikai platformokon használják őket. A Kaliforniai Egyetem (Berkeley) kutatóinak 2020-as tanulmánya például úgy becsülte, hogy
a mesterséges intelligencia 2025-re a globális villamosenergia-fogyasztás 10 százalékát is kiteheti, ha az alkalmazása a jelenlegi ütemben növekszik.
Sasha Luccioni, a Hugging Face nevű, mesterséges intelligenciával foglalkozó vállalat klímavezetője egyike annak a maroknyi kutatónak, akik megpróbálták felmérni az egyes mesterségesintelligencia-modellek létrehozása során keletkező kibocsátásokat – írja a The Guardian.
Egy kutatási tanulmányban társaival összeszámolták, hogy mennyi energiát használtak fel a Hugging Face saját nagy nyelvi modelljének, a Bloomnak a szuperszámítógépen történő betanítására, beleértve a komputer hardverének előállításához és infrastruktúrájának fenntartásához felhasznált energiát, valamint a program elindítása után annak működtetéséhez felhasznált villamos energiát. Megállapították, hogy
a program körülbelül 50 tonna szén-dioxid-kibocsátást generált, ami nagyjából 60 London és New York közötti repülőútnak felel meg.
Luccioni és csapata becslése szerint a Bloom energialábnyoma alacsonyabb, mint más generatív MI-programoké, mivel a Bloom szuperszámítógépei nukleáris energiával működnek, ami nem termel szén-dioxidot. Ezzel szemben a nyilvánosan korlátozottan elérhető adatok szerint csak a ChatGPT GPT3 modelljének kiképzése során körülbelül 500 tonna szén-dioxid keletkezett – ez több mint egymillió kilométernyi átlagos, benzinüzemű autó által megtett kilométerrel egyenértékű – jegyezték meg a kutatók.
„A ChatGPT legújabb modellje, a GPT4 esetén az OpenAI nem mondott semmit sem arról, hogy mennyi ideig képezték, hol képezték, vagy egyáltalán, hogy milyen adatokat használnak – mondta Luccioni. – Lényegében ez azt jelenti, hogy lehetetlen megbecsülni a kibocsátást.”
Eközben az újabb mesterségesintelligencia-modellek egyre nagyobbak és egyre energiaigényesebbek. A nagyobb modellek ugyanis mind nagyobb teljesítményű grafikus feldolgozóegységeket (GPU) igényelnek és hosszabb ideig tart a betanításuk, ami több erőforrást és energiát emészt fel – mondta Luccioni.
Ezek a kutatások tehát mind megerősítik a megújuló energiaforrásokra való áttérés és a mesterségesintelligencia-technológiák energiahatékonysága javításának fontosságát.
Van megoldás a hatalmas energiafogyasztásra
Szerencsére számos olyan stratégia létezik, amely segíthet az MI energiaköltségeinek mérséklésében. Az egyik megközelítés a mesterségesintelligencia-alkalmazások energiahatékonyabb hardver- és szoftverfejlesztése. A kutatók olyan speciális MI-csipek használatát vizsgálják, amelyek a hagyományos processzoroknál hatékonyabban végzik el a szükséges számításokat. Emellett a mesterségesintelligencia-algoritmusok és -technikák segíthetnek csökkenteni a mesterségesintelligencia-modellek számítási komplexitását és energiafogyasztását.
Egy másik – meglehetősen érdekes – stratégia az, hogy magát a mesterséges intelligenciát is felhasználjuk az energiafogyasztás optimalizálására. Az MI ugyanis felhasználható az adatközpontok hatékonyságának javítására, például a hűtőrendszerek és a szerverkihasználás optimalizálásával. Ezen technológia döntő szerepet játszhat a megújuló energiaforrásokra való áttérésben azáltal, hogy segít az intelligens hálózatok és az energiatároló rendszerek irányításában és működésének optimalizálásában.
Összefoglalva, bár a mesterséges intelligencia jó néhány ágazatban jelentős előnyökkel járhat, alapvető fontosságú, hogy feltárjuk és kezeljük a fejlesztésével, valamint az alkalmazásával kapcsolatos valós energiaköltségeket. Az energiahatékony MI-technológiákba történő befektetéssel, a megújuló energiaforrásokra való áttéréssel, valamint az átláthatóság és a tudatosság előmozdításával biztosíthatjuk, hogy az MI hozzájáruljon a fenntartható jövőhöz, ahelyett, hogy súlyosbítaná az éghajlatváltozás okozta kihívásokat.
