Czy sztuczna inteligencja jest szkodliwa dla środowiska? Szczera odpowiedź

Tak, sztuczna inteligencja może być szkodliwa dla środowiska. Modele treningowe i biegowe wykorzystują energię elektryczną; centra danych mogą zużywać wodę do chłodzenia; a wytwarzanie chipów i budynków wymaga materiałów i powoduje emisje. Na dużą skalę te koszty mają znaczenie. Ale „sztuczna inteligencja” obejmuje wszystko, od małego klasyfikatora po pionierski model generujący wideo, więc nie ma jednego śladu.

Możliwy do obrony wniosek jest warunkowy: system sztucznej inteligencji jest szkodliwy dla środowiska, gdy jego pełne koszty są wysokie w stosunku do tworzonej przez niego wartości i gdy czystsze, mniejsze alternatywy lub rozwiązania niezawierające sztucznej inteligencji mogłyby spełnić swoje zadanie. Sztuczna inteligencja może również pomóc w obsłudze sieci elektroenergetycznych, wykrywaniu wycieków metanu i ograniczaniu ilości odpadów. Korzyści te należy wykazać, a nie zakładać. Dlatego zarówno „AI niszczy planetę”, jak i „AI rozwiąże zmiany klimatyczne” są zbyt proste.

Energia elektryczna jest najczystszym ciśnieniem

Sztuczna inteligencja działa w centrach danych, gdzie akceleratory wykonują obliczenia stojące za szkoleniami i odpowiedziami. The Międzynarodowa Agencja Energetyczna oszacowało, że wszystkie centra danych – nie tylko sztuczna inteligencja – zużyły około 415 terawatogodzin energii elektrycznej w 2024 r., co stanowi około 1.5% całkowitej wartości globalnej. Jego scenariusz podstawowy osiągnie około 945 TWh w 2030 r., przy czym sztuczna inteligencja będzie najważniejszym czynnikiem wzrostu, obok innych usług cyfrowych.

To są prognozy, a nie odczyt liczników z przyszłości. Absorpcja, wydajność sprzętu, konstrukcja modelu i ograniczenia dotyczące połączeń sieciowych mogą znacznie przesunąć sumę. MAE publikuje zatem kilka scenariuszy.

Pojedyncza zwykła wymiana SMS-ów jest znacznie mniejsza. Według najnowszych publicznych szacunków typowy podpowiedź to ułamek watogodziny, podczas gdy długi kontekst, rozumowanie, wyszukiwanie i generowane obrazy mogą wymagać znacznie więcej. Zarówno małe liczby na użycie, jak i szybko rosnące zapotrzebowanie na system mogą być prawdziwe: wydajność na odpowiedź może się poprawić, podczas gdy całkowite wykorzystanie rośnie szybciej.

Węgiel zależy od tego, gdzie i kiedy wytwarzana jest energia

Zużycie energii elektrycznej to nie to samo, co emisja dwutlenku węgla. Kilowatogodzina dostarczona przez sieć węglową ma inny ślad operacyjny niż kilowatogodzina dostarczana przez energię wiatrową, słoneczną, wodną lub jądrową. Lokalizacja i czas mają zatem znaczenie, podobnie jak zasady stosowane przy rozliczaniu umów dotyczących energii odnawialnej.

Analiza sieci fizycznej przeprowadzona przez IEA wskazuje, że paliwa kopalne nadal dostarczają znaczną część mocy centrów danych. Prognozuje, że emisje z centrów danych związane z energią elektryczną osiągną szczyt na poziomie ok 320 mln ton CO2 około 2030 r w swoim podstawowym przypadku. Pozostaje to mniej niż 1% globalnych emisji CO2, ale w tej analizie centra danych są również jednym z sektorów, w których emisje wzrosną do 2030 r.

Twierdzenia firm wymagają uważnej lektury. „Dopasowane do energii odnawialnej” może oznaczać, że firma kupiła wystarczającą ilość czystej energii w ciągu roku, a nie, że konkretny serwer korzystał z energii bezemisyjnej w ciągu godziny, w której odebrał. Zamówienia publiczne mogą wspierać nowe pokolenia, ale nie powodują zaniku geografii i czasu.

Woda ma charakter lokalny, zmienny i słabo ujawniony

Niektóre centra danych odparowują wodę, aby odprowadzić ciepło. Wytwarzanie energii elektrycznej może również zużywać wodę, tworząc pośredni ślad nawet w miejscu, które zużywa niewiele wody do chłodzenia. Wynik zmienia się w zależności od pogody, projektu chłodzenia i lokalnego miksu energetycznego.

W laboratorium Berkeley Lab obliczono, że średnie zużycie wody na miejscu w centrach danych w USA wynosi nieco ponad 0.36 litra na kilowatogodzinę w 2023 r. Jest to średnia flotowa, a nie stawka uniwersalna. Obiekt o chłodnym klimacie wykorzystujący powietrze zewnętrzne może bardzo różnić się od obiektu chłodzonego wyparnie w gorącym regionie.

Roszczenia dotyczące poszczególnych wiadomości różnią się jeszcze bardziej. Powszechnie rozpowszechniane szacunki akademickie powiązały butelkę o pojemności 500 ml z około 20–50 odpowiedziami opartymi na modelu językowym; późniejsze dane operatorów dotyczące mediany podpowiedzi tekstowych były znacznie niższe. Różnią się ich modele, lokalizacje i granice księgowe. Nasz przewodnik po jak sztuczna inteligencja wykorzystuje wodę wyjaśnia, dlaczego żadne porównanie butelek nie dotyczy każdej wiadomości.

Sprzęt ma ślad przed włączeniem AI

Energia operacyjna i woda to tylko część cyklu życia. Akceleratory wymagają wydobycia i przetworzenia materiałów, produkcji półprzewodników, transportu i ostatecznie utylizacji. W konstrukcji centrum danych wykorzystuje się stal, beton, kable i sprzęt zapasowy. Produkcja może również wymagać ultraczystej wody i wytwarzać gazy cieplarniane.

Publiczne szacunki dotyczące zapytania rzadko uwzględniają wszystkie te wpływy. Nie ma uzgodnionej, poddanej audytowi metody podziału śladu produkcyjnego chipa pomiędzy szkolenie, wnioskowanie i każdą inną pracę wykonywaną w okresie jego użytkowania. Pominięcie sprzętu powoduje, że liczba jest niekompletna; przydzielanie go przy spekulacyjnych założeniach dotyczących wykorzystania może powodować fałszywą precyzję.

Rozsądną reakcją jest określenie granicy. Szacowanie energii na podstawie wnioskowania może dać odpowiedź „w przybliżeniu, ile energii elektrycznej wymagała ta odpowiedź?” Samo w sobie nie jest w stanie odpowiedzieć na pytanie: „Jaki był całkowity wpływ tej usługi AI na środowisko?” Nasz metodologia kieruje się tą zasadą: Treechat przychody są szacunkowe na podstawie wykorzystania modelu i tokena, kosztów ogólnych centrum danych i średniego współczynnika sieci, a nie pomiarów pełnego cyklu życia.

Sztuczna inteligencja może pomóc, ale należy udowodnić, że udało się uniknąć skutków

Istnieją wiarygodne korzystne zastosowania. IEA opisuje zastosowania w prognozowaniu mocy, eksploatacji sieci, optymalizacji przemysłowej i wykrywaniu wycieków metanu. Lepsze prognozy mogą pomóc w zintegrowaniu zmiennej generacji odnawialnej; szybsze wykrywanie wycieków może zapobiec emisjom; i sterowanie budynkiem mogą zmniejszyć straty energii.

Jednak możliwe zastosowanie nie oznacza osiągniętej oszczędności. Odpowiednie porównanie obejmuje zasięg własny systemu AI, wdrożenie na dużą skalę, zachowania ludzkie i efekty odbicia. Optymalizator trasy oszczędzający paliwo może być korzystny. Jeśli niższe koszty prowadzą do znacznie większej jazdy, wynik netto może się zmniejszyć lub odwrócić. Model, który odkrywa materiał o niższej zawartości węgla, nadal wymaga walidacji laboratoryjnej i przyjęcia.

To jest kluczowa różnica w pytaniu czy sztuczna inteligencja jest dobra dla środowiska: zdolność nie jest wynikiem. Poszukaj zmierzonej wartości bazowej, wiarygodnego scenariusza alternatywnego, określonej granicy systemu i wyników w czasie. Zachowaj ostrożność, gdy dostawca liczy wszystkie możliwe oszczędności, ale pomija obliczenia wymagane do ich wytworzenia.

Jak złe jest określone zastosowanie?

Zacznij od zadania. Specjalistyczny model wykonujący jedną klasyfikację może być znacznie lżejszy niż generator ogólnego przeznaczenia. W eksperymentach obejmujących typowe zadania uczenia maszynowego Luccioni, Jernite i Strubell odkryli systemy generujące były znacznie bardziej energochłonne niż modele zadaniowe realizujące porównywalne funkcje. Ich wyniki porównawcze nie są uniwersalnymi pomiarami produktu, ale pokazują, dlaczego wybór modelu i zadania ma znaczenie.

Następnie zapytaj o głośność i tryb. Kilka krótkich odpowiedzi tekstowych nie jest równoznaczne z milionami długich wyników lub wielokrotnym generowaniem obrazów i filmów. Następnie zapytaj, gdzie działa usługa, jak efektywnie obiekt wykorzystuje energię i wodę oraz co faktycznie ujawnia dostawca.

Na koniec rozważ alternatywy. Zwykłe wyszukiwanie, kalkulator, lokalny skrypt lub istniejący dokument może rozwiązać problem przy mniejszych obliczeniach. W przypadku pracy, która naprawdę korzysta ze sztucznej inteligencji, używaj najmniejszego, zdolnego modelu, skupiaj się na kontekście i unikaj generowania jednorazowych odmian. Zobacz nasze pełniejsze audyt mitów na temat tego, jak zła w rzeczywistości jest sztuczna inteligencja.

Co może zrobić odpowiedzialny czytelnik

Nie potrzebujesz doskonałego osobistego kalkulatora emisji dwutlenku węgla, aby dokonywać lepszych wyborów. Zarezerwuj szczegółowe rozumowanie, agentów, obrazy i wideo do pracy, która ich potrzebuje. Używaj krótkich i jasnych podpowiedzi i przestań, gdy odpowiedź będzie wystarczająco dobra. Wybierz dostawców, którzy ujawniają metody, zamiast przedstawiać dokładne liczby bez granic.

Indywidualna powściągliwość nie zastępuje polityki infrastrukturalnej ani sprawozdawczości korporacyjnej. Operatorzy kontrolują lokalizację obiektu, chłodzenie, wykorzystanie sprzętu i zaopatrzenie w energię. Rządy i organy regulacyjne kształtują planowanie sieci, pozwolenia na wodę i ujawnianie informacji. Duzi klienci mogą poprosić dostawców o dane dotyczące energii, wody i emisji dotyczące konkretnego obciążenia.

Treechat podejście jest celowo węższe: kieruj codzienne pytania do mniejszych modelek, pokaż szacunkowy rachunek i co miesiąc finansuj jedno nowo zasadzone drzewo na każdego opłacanego członka. To sadzenie nie wymazuje obliczeń. Jest to odrębny wkład, a wybór modelu dotyczy szacunków operacyjnych. Szersze wyjaśnienie jak sztuczna inteligencja wpływa na środowisko to wciąż lepsza ramka niż jakakolwiek zielona lub winna etykieta.

Często zadawane pytania

Czy jedno pytanie dotyczące sztucznej inteligencji jest szkodliwe dla środowiska?

Jedno pytanie o krótkim tekście ma niewielki ślad operacyjny, ale nie jest on zerowy. Model, długość odpowiedzi, wydajność centrum danych i miks energii elektrycznej określają, jak małe jest to rozwiązanie. Większym problemem jest wielokrotne użycie u milionów ludzi i bardziej intensywne tryby.

Czy sztuczna inteligencja jest gorsza od Google Szukaj?

Nie ma ponadczasowych proporcji. Zmieniają się produkty wyszukiwania i sztucznej inteligencji, niektóre wyszukiwania obejmują obecnie wygenerowane odpowiedzi, a opublikowane szacunki wykorzystują inne lata i granice. Porównaj zdefiniowane zadanie, korzystając z aktualnych, podobnych danych.

Czy energia odnawialna może uczynić sztuczną inteligencję ekologiczną?

Czystsza energia elektryczna może znacznie zmniejszyć emisje operacyjne. Nie eliminuje to zużycia wody, produkcji sprzętu, budowy ani efektu każdej lokalnej sieci, a roczne dopasowanie energii odnawialnej to nie to samo, co godzinna praca bezemisyjna.

Czy powinienem przestać używać sztucznej inteligencji?

Nie koniecznie. Używaj go tam, gdzie zapewnia wystarczającą wartość, aby uzasadnić zasoby, i preferuj model o mniejszych możliwościach. Lepszym pytaniem nie jest, czy cała sztuczna inteligencja jest dobra czy zła, ale czy ten system jest proporcjonalnym sposobem wykonania tego zadania.