Jasno wyjaśniony wpływ sztucznej inteligencji na środowisko

Wpływ sztucznej inteligencji na środowisko pochodzi z czterech połączonych źródeł: energii elektrycznej wykorzystywanej do obliczeń, węgla i wody związanej z tą energią, wody wykorzystywanej bezpośrednio do chłodzenia oraz materiałów i produkcji wykorzystywanych w chipach i centrach danych. Suma zależy od tego, co robi sztuczna inteligencja, jak duży jest model, jak efektywnie wykorzystywany jest sprzęt i gdzie działa.

Nie ma godnego zaufania uniwersalnego śladu dla zapytania AI. Krótka odpowiedź z małego modelu wymaga innego nakładu pracy niż badania w ramach modelu pionierskiego lub wygenerowane wideo. Większość osób publicznych to szacunki o różnych granicach. Użytecznym pytaniem nie jest zatem „jaki jest numer AI?” ale „jaki wpływ, dla jakiego systemu, w jaki sposób mierzony lub modelowany?”

Zacznij od narysowania granicy

Numer środowiskowy ma sens dopiero po podjęciu decyzji, co zawiera. Wąskie oszacowanie wnioskowania może obejmować energię elektryczną akceleratora w momencie generowania odpowiedzi. Szersze szacunki operacyjne uwzględniają pamięć, obsługę sieci, chłodzenie i konwersję mocy. Szacunkowy cykl życia może również uwzględniać szkolenia, produkcję chipów, budowę i utylizację.

Żadne nie jest automatycznie błędne. Każdy odpowiada na inne pytanie. Problem zaczyna się, gdy wąską liczbę opisuje się jako całkowitą powierzchnię lub porównuje z szeroką.

Treechat jest metodologiana przykład szacuje energię operacyjną na podstawie wybranego modelu i liczby tokenów, a następnie dodaje obciążenie centrum danych i średni współczynnik emisji dwutlenku węgla w sieci. To nie jest miernik mocy i nie rości sobie prawa do uchwycenia produkcji. To ograniczenie należy do wyniku, a nie jest ukryte drobnym drukiem.

Obliczenia stają się energią elektryczną i ciepłem

Modele wykonują operacje matematyczne na procesorach. Trening powtarza je, dostosowując ciężary modeli; wnioskowanie wykorzystuje przeszkolone wagi do uzyskania odpowiedzi. Obydwa pobierają energię elektryczną i prawie cała ta energia ostatecznie staje się ciepłem, które należy usunąć.

Rodzaj zadania ma znaczenie. Luccioni, Jernite i Strubell zmierzyli energię w ramach obciążeń związanych z uczeniem maszynowym i odkryli modele generatywne ogólnego przeznaczenia zużywały znacznie więcej energii niż modele zadaniowe do porównywalnych zadań w swoim benchmarku. Dokładne wyniki dotyczą testowanego sprzętu, zbiorów danych i modeli, ale kierunek jest pouczający.

Tokeny, kontekst i długość wyniku mają znaczenie przy generowaniu tekstu. Generowanie obrazów i wideo zwykle wiąże się z innymi, trudniejszymi obliczeniami. Wydajne przetwarzanie wsadowe i nowsze akceleratory mogą zmniejszyć zużycie energii w przeliczeniu na wynik, podczas gdy rzadko używane serwery i powtarzające się generacje mogą ją zwiększyć.

Sumy dotyczące centrów danych pokazują skalę, a nie jedną odpowiedź

The Raporty IEA że centra danych zużyły około 415 TWh w 2024 r., co stanowi około 1.5% światowego zużycia energii elektrycznej. Jego podstawowy scenariusz przewiduje około 945 TWh w 2030 r. Sztuczna inteligencja jest głównym czynnikiem tego wzrostu, ale sumy obejmują przechowywanie w chmurze, przesyłanie strumieniowe, oprogramowanie dla przedsiębiorstw i inne usługi niezwiązane ze sztuczną inteligencją.

To rozróżnienie zapobiega dwóm powszechnym błędom. Nazywanie całości „wykorzystaniem sztucznej inteligencji” wyolbrzymia obecny udział sztucznej inteligencji. Patrzenie tylko na niewielką średnią na monit może nie docenić infrastruktury tworzonej z myślą o szybko rosnących obciążeniach.

Prognozy są również warunkowe. IEA modeluje różne ścieżki, ponieważ popyt, wydajność sprzętu i ograniczenia sieci są niepewne. Prognozy powinny kierować planowaniem, a nie powtarzać się jako nieuniknione fakty. Aby uzyskać bardziej bezpośredni osąd, zob Czy sztuczna inteligencja jest szkodliwa dla środowiska?.

Węgiel podąża za dostawą energii

Ta sama ilość obliczeń może mieć różne emisje operacyjne w różnych miejscach i godzinach. Wytwarzanie paliw kopalnych zwiększa intensywność emisji dwutlenku węgla; wytwarzanie niskoemisyjne obniża je. Wydajność centrum danych wpływa na ilość energii elektrycznej potrzebnej wokół chipów.

W podstawowym scenariuszu IEA oczekuje się, że odnawialne źródła energii będą dostarczać prawie połowę dodatkowej energii elektrycznej dla centrów danych do 2030 r., ale gaz ziemny i węgiel łącznie dostarczają ponad 40%. W jego modelu emisje z centrów danych związane z energią elektryczną osiągną około 320 milionów ton CO2 około 2030 r., po czym nieznacznie spadną. To szacunki dotyczące centrum danych, a nie inwentaryzacja oparta wyłącznie na sztucznej inteligencji.

Coroczne dopasowywanie energii odnawialnej może finansować czystsze moce produkcyjne i ograniczać emisje rynkowe. Niekoniecznie opisuje sieć fizyczną w chwili uruchomienia żądania. Lepsze ujawnienie przedstawia zarówno roszczenie umowne, jak i lokalną, wrażliwą na czas rzeczywistość.

Woda może być bezpośrednia lub pośrednia

Chłodzenie wyparne pozwala efektywnie wykorzystywać wodę z punktu widzenia energii elektrycznej, ponieważ parowanie przenosi ciepło. Zużyta woda nie jest natychmiast zwracana do tej samej zlewni. Systemy suche lub z obiegiem zamkniętym mogą znacznie zmniejszyć zużycie na miejscu, czasami kosztem dodatkowej energii lub sprzętu.

Wytwarzanie energii zwiększa pośrednie zużycie wody. Oznacza to, że „zero wody do chłodzenia” niekoniecznie oznacza usługę zerowego zużycia wody. Z drugiej strony sieć oparta na odnawialnych źródłach energii może obniżyć zarówno pośrednie zużycie wody, jak i emisję dwutlenku węgla, w zależności od zastosowanych technologii.

Szacunki dotyczące wody na zapytanie różnią się o rzędy wielkości, ponieważ badacze i operatorzy modelują różne usługi, miejsca i granice. Oryginalne badanie stojące za popularnym porównaniem nie potwierdza twierdzenia dotyczącego butelki za wiadomość. Nasz Przewodnik po wykorzystaniu wody AI oddziela te liczby i wyjaśnia, co każda z nich może – a czego nie może – powiedzieć.

Materiały sprawiają, że ślad jest trwalszy

Akceleratory, serwery i budynki niosą ze sobą ucieleśnione skutki wydobycia, rafinacji, produkcji i transportu. Rośliny półprzewodnikowe potrzebują wody i środków chemicznych; Centra danych potrzebują betonu, stali, baterii i generatorów zapasowych. Szybka wymiana sprzętu może zwiększyć te skutki, nawet jeśli każdy nowy chip będzie wydajniejszy w działaniu.

Rzadko są uwzględniane w szacunkach zapytań skierowanych do konsumentów, ponieważ alokacja jest trudna. Jaka część powierzchni fabryki należy do jednego procesora? Jak należy podzielić ten procesor pomiędzy przebiegi szkoleniowe i miliardy wniosków? Jaki czas życia i stopień wykorzystania należy założyć?

Te pytania bez odpowiedzi nie usprawiedliwiają ignorowania sprzętu. Uzasadniają oddzielne zgłaszanie tego i poprawę ujawniania informacji przez dostawców. Zaokrąglony paragon operacyjny może wspierać codzienne wybory; zamówienia i polityka również wymagają dowodów na temat cyklu życia.

Zmień wyjaśnienia w lepsze decyzje

Dla użytkowników najsilniejszą praktyczną dźwignią jest proporcjonalność. Użyj wyszukiwania, kalkulatora lub istniejącego oprogramowania, jeśli to wystarczy. Do rutynowych prac wybierz mniejszy lub specjalistyczny model. Ogranicz nieistotny kontekst, zapytaj o potrzebną długość i unikaj partii jednorazowych materiałów wyjściowych.

W przypadku organizacji należy mierzyć wielkość obciążenia pracą oraz efektywność wykorzystania. Zapytaj dostawców o wybór modelu, zużycie energii w obiekcie, zużycie wody, żywotność sprzętu i zasady rozliczania roszczeń związanych z odnawialnymi źródłami energii. Oceń deklarowane korzyści w porównaniu z rzeczywistym poziomem bazowym. Nasz przewodnik po tym, co sztuczna inteligencja robi dla środowiska obejmuje kierunek na poziomie systemu; przewodnik po generatywnej sztucznej inteligencji koncentruje się na zastosowaniach konsumenckich wymagających największych zasobów.

Treechat kieruje zwykłe pytania do mniejszych modeli i oznacza swój wynik jako szacunkowy. Każdy płatny członek finansuje także jedno nowo posadzone drzewo co miesiąc, ale sadzenie nie jest traktowane jako dowód, że obliczenia nie miały żadnego wpływu. Redukcja, przejrzyste oszacowanie i oddzielny wkład klimatyczny stanowią odpowiedź na różne części problemu.