Cum afectează AI mediul?
Inteligența artificială afectează energia electrică, carbonul, apa și utilizarea materialelor pe parcursul ciclului său de viață. Aflați unde apar impacturile și cum să le judecați.
AI afectează mediul prin intermediul computerelor, centrelor de date și lanțurilor de aprovizionare care îl fac să funcționeze. Modelele de antrenament și alergare folosesc electricitate. Răcirea poate consuma apă. Fabricarea așchiilor și instalațiile de construcție necesită materiale, apă și energie. Emisiile de carbon rezultate depind în mare măsură de modul în care este generată electricitatea.
Inteligența artificială poate reduce, de asemenea, daunele asupra mediului, de exemplu, prin prognozarea energiei regenerabile sau prin identificarea scurgerilor de metan, dar aceste beneficii sunt rezultate specifice, nu o trecere gratuită pentru fiecare aplicație de IA. Dimensiunea amprentei se schimbă dramatic cu modelul, sarcina, lungimea răspunsului, hardware-ul, locația și numărul de utilizatori. Orice răspuns care atribuie un cost fix de mediu „AI” omite un context important.
Impactul începe cu hardware
Înainte ca un model să fie antrenat, trebuie făcute procesoarele acestuia. Fabricarea semiconductoarelor este un proces industrial intensiv în energie și apă, care implică apă ultrapură, substanțe chimice și lanțuri globale complexe de aprovizionare. Serverele au nevoie, de asemenea, de memorie, stocare, rețea și echipamente de alimentare. Clădirilor adaugă beton, oțel și sisteme de răcire.
Aceste impacturi concretizate sunt reale, dar greu de exprimat prin prompt. Un procesor poate antrena mai multe modele și poate servi multe alte sarcini de lucru de-a lungul anilor. Împărțirea amprentei sale de producție la un număr presupus de răspunsuri necesită alegeri incerte cu privire la utilizare și durata de viață.
De aceea, cele mai multe cifre publicate „pe interogare” acoperă mai degrabă electricitatea operațională decât ciclul de viață complet. Un astfel de număr poate fi totuși util dacă granița este explicită. Devine înșelător atunci când este prezentat ca întregul impact. O evaluare solidă separă producția și construcția de energia utilizată în timpul antrenamentelor sau deservirii unui model.
Formarea și deducerea sunt locuri de muncă diferite
Antrenamentul ajustează un model folosind seturi mari de date și multe calcule repetate. Poate ocupa grupuri de acceleratoare timp de săptămâni sau luni. Inferența are loc după antrenament ori de câte ori cineva îi cere modelului să clasifice, să prezică sau să genereze ceva.
Instruirea este concentrată și mai ușor de observat, dar serviciile populare pot acumula mult mai multe inferențe pe parcursul duratei lor de funcționare. Nu există o regulă fixă despre care este mai mare: echilibrul depinde de cursele de antrenament, durata de viață a modelului, traficul zilnic și munca depusă la cerere.
Sarcinile generative diferă și ele. Producerea unei propoziții scurte, analiza unui document lung și generarea de videoclipuri nu sunt comparabile. Studiul Procesare cu foame de putere a măsurat 1,000 de inferențe în sarcini reprezentative și a găsit sisteme generative, de uz general, mult mai consumatoare de energie decât alternativele specifice sarcinii. Nu oferă o rată universală, dar susține o lecție practică: folosește sisteme specializate sau mai mici atunci când pot face treaba.
Centrele de date transformă calculul în cerere locală
Serverele consumă energie electrică și o eliberează aproape toată sub formă de căldură. Centrele de date trebuie să elimine această căldură, menținând în același timp puterea, rețea și stocarea fiabile. Răcirea, conversia puterii și alte echipamente de sprijin adaugă supraîncărcare dincolo de procesoarele în sine.
The estimări IEA toate centrele de date au folosit aproximativ 415 TWh în 2024, sau aproximativ 1.5% din electricitatea globală. Cazul său de bază se ridică la aproximativ 945 TWh în 2030, serverele accelerate asociate în principal cu AI responsabile pentru aproape jumătate din creșterea netă. Aceste totaluri includ, de asemenea, sarcinile de lucru non-AI, așa că nu trebuie să fie redenumite ca „electricitate AI”.
Acțiunile globale pot ascunde tensiunea locală. Cluster de facilități unde sunt disponibile terenuri, rețele și conexiuni la rețea. Un nou campus de mare densitate poate afecta semnificativ planificarea energiei unei regiuni, chiar dacă centrele de date rămân o cotă modestă din cererea mondială. Prezentarea noastră de ansamblu asupra Impactul AI asupra centrelor de date se uită la acel context local.
Electricitatea creează carbon, dar nu într-un singur ritm
Amprenta de carbon operațională este energia înmulțită cu intensitatea emisiilor de electricitate. Această intensitate variază în funcție de țară, regiune și oră. Grilele mai curate o reduc; grilele grele de fosile o măresc.
Achizițiile din surse regenerabile complică imaginea. O companie poate semna contracte care adaugă generație curată sau poate cumpăra certificate care corespund consumului său anual. Acest lucru poate fi valoros, dar este diferit de a demonstra că un server a fost alimentat cu electricitate fără carbon în fiecare moment. Atât raportarea bazată pe locație, cât și cea bazată pe piață pot fi legitime atunci când sunt etichetate clar.
AIE se așteaptă ca sursele regenerabile să îndeplinească aproape jumătate din creșterea aprovizionării cu energie electrică a centrelor de date până în 2030 în cazul său de bază. De asemenea, se așteaptă ca gazele naturale și cărbunele să atingă împreună mai mult de 40% din aprovizionarea suplimentară în acea perioadă. Această perspectivă mixtă este motivul pentru care „AI funcționează pe surse regenerabile” și „AI funcționează pe combustibili fosili” pot selecta fiecare un fragment adevărat în timp ce lipsește sistemul.
Utilizarea apei are două straturi
Centrele de date pot consuma apă direct atunci când sistemele de răcire o evaporă pentru a respinge căldura. De asemenea, pot avea o amprentă de apă indirectă deoarece unele centrale electrice consumă apă atunci când generează energie electrică. O instalație care utilizează răcirea uscată poate reduce consumul la fața locului în timp ce utilizează mai multă energie electrică, creând mai degrabă un compromis decât o reducere gratuită.
Laboratorul Berkeley Raport privind centrul de date din SUA modele design de răcire, electricitate și scenarii viitoare. Rezultatele sale variază în funcție de tipul de instalație și arată de ce o medie națională nu poate descrie un anumit sit.
Vremea contează și ea. Răcirea poate consuma mai multă apă într-o zi fierbinte, în timp ce mixul de energie electrică se modifică pe oră. Lipsa de apă face ca un litru într-un bazin uscat să fie mai important decât un litru într-o regiune cu apă abundentă. Întrebarea „Cum folosește AI apa?” prin urmare, necesită locație și sincronizare, nu doar un volum global.
Beneficiile de mediu ale IA au nevoie de un contrafactual
AI este utilizat în prognoza meteo, predicția cererii de energie electrică, integrarea surselor regenerabile, controale industriale și detectarea scurgerilor. The cataloage IEA moduri în care aceste aplicații ar putea îmbunătăți sistemele energetice. Există și costuri: senzori, rețele, modele și schimbări de comportament.
Pentru a decide dacă o aplicație ajută, comparați-o cu ceea ce s-ar întâmpla altfel. Măsurați energia, emisiile sau deșeurile evitate, scădeți amprenta sistemului și monitorizați rezultatele după implementare. Nu considerați o posibilitate de laborator drept o economie realizată.
Efectele de rebound merită atenție. Eficiența poate face o activitate mai ieftină și poate încuraja mai mult din ea. O optimizare care reduce energia per loc de muncă poate însoți totuși un consum total mai mare. Acest lucru nu face ca eficiența să nu aibă sens; înseamnă că efectele pe unitate și efectele totale ar trebui raportate împreună. Citiți dacă IA poate fi bună pentru mediu ca o întrebare de probă, nu o etichetă.
Cum să reduceți impactul utilizării dvs
Utilizați instrumentul cel mai puțin solicitant din punct de vedere informatic care rezolvă sarcina în mod fiabil. Un calculator, rezultatul căutării sau o regulă locală pot depăși un model general. Pentru munca AI, preferați un model mic capabil; păstrați documentele și istoricul conversațiilor concentrate; evita regenerarea inutilă; și rezervați imagini, videoclipuri și motive lungi pentru cazurile care le justifică.
Cereți furnizorilor limite și incertitudine. O cifră include doar electricitatea acceleratorului, întregul centru de date, apa, hardware-ul încorporat sau formarea? Este măsurată, modelată sau mediată? Al nostru metodologie spune Treechat chitanțele pe mesaj sunt estimări operaționale bazate pe model. Ele nu sunt măsurători directe sau afirmații privind ciclul de viață complet.
Efectul AI asupra mediului este în cele din urmă o problemă de sistem. Alegerile individuale influențează cererea, în timp ce furnizorii determină arhitectura modelului, utilizarea hardware-ului, locația unității și dezvăluirea. Politica modelează furnizarea de energie electrică, acordarea de permise de apă și raportare. Deciziile mai bune necesită toate cele trei niveluri – și un refuz de a transforma numerele incomplete în certitudine.