Este AI rău pentru mediu? Răspunsul sincer

Da, AI poate fi dăunătoare pentru mediu. Modelele de antrenament și alergare folosesc energie electrică; centrele de date pot consuma apă pentru răcire; iar fabricarea așchiilor și a clădirilor necesită materiale și creează emisii. La scară largă, aceste costuri contează. Dar „AI” acoperă totul, de la un clasificator minuscul la un model de frontieră care generează videoclipuri, așa că nu există o amprentă unică.

Concluzia care poate fi susținută este condiționată: un sistem AI este dăunător pentru mediu atunci când costurile sale totale sunt mari în raport cu valoarea pe care o creează și când alternative mai curate, mai mici sau non-AI ar putea face treaba. AI poate ajuta, de asemenea, la operarea rețelelor electrice, la găsirea scurgerilor de metan și la reducerea deșeurilor. Aceste beneficii trebuie demonstrate, nu presupuse. Acesta este motivul pentru care atât „AI distruge planeta”, cât și „AI va rezolva schimbările climatice” sunt prea simple.

Electricitatea este cea mai clară presiune

AI rulează în centre de date, unde acceleratoarele efectuează calculele din spatele antrenamentului și răspunsurilor. The Agenția Internațională pentru Energie a estimat că toate centrele de date – nu numai AI – au folosit aproximativ 415 terawatt-oră de electricitate în 2024, aproximativ 1.5% din totalul global. Cazul său de bază atinge aproximativ 945 TWh în 2030, AI fiind cel mai important motor de creștere, alături de alte servicii digitale.

Acestea sunt proiecții, nu o citire a contorului din viitor. Absorbția, eficiența hardware-ului, designul modelului și limitele conexiunilor la rețea ar putea muta substanțial totalul. Prin urmare, AIE publică mai multe scenarii.

Un singur schimb de text obișnuit este mult mai mic. Estimările publice recente pun un prompt tipic la o fracțiune de watt-oră, în timp ce contextul lung, raționamentul, căutarea și imaginile generate pot necesita mult mai mult. Cifrele mici pe utilizare și cererea de sistem în creștere rapidă pot fi ambele adevărate: eficiența pe răspuns se poate îmbunătăți în timp ce utilizarea totală crește mai rapid.

Carbonul depinde de unde și când este produsă puterea

Consumul de energie electrică nu este același lucru cu emisiile de carbon. Un kilowatt-oră furnizat de o rețea grea de cărbune are o amprentă operațională diferită de cea furnizată de energie eoliană, solară, hidro sau nucleară. Prin urmare, locația și ora contează, la fel ca și regulile folosite pentru a contabiliza contractele de energie regenerabilă.

Analiza rețelei fizice a IEA spune că combustibilii fosili încă furnizează o parte substanțială din puterea centrului de date. Proiectează emisiile din centrele de date legate de electricitate care vor atinge vârful la aproximativ 320 de milioane de tone de CO2 în jurul anului 2030 în cazul său de bază. Aceasta rămâne mai puțin de 1% din emisiile globale de CO2, dar centrele de date sunt, de asemenea, unul dintre sectoarele în care emisiile cresc până în 2030 în această analiză.

Afirmațiile companiei trebuie citite cu atenție. „Potrivit cu energie regenerabilă” poate însemna că o companie a cumpărat suficientă electricitate curată pe parcursul unui an, nu că un anumit server a folosit energie fără carbon în ora la care a răspuns. Achizițiile pot sprijini noua generație, dar nu fac să dispară geografia și calendarul.

Apa este locală, variabilă și prost dezvăluită

Unele centre de date evaporă apa pentru a transporta căldura. Generarea de energie electrică poate consuma și apă, creând o amprentă indirectă chiar și într-un loc care utilizează puțină apă pentru răcire. Rezultatul se schimbă odată cu vremea, designul de răcire și mixul de energie local.

Berkeley Lab a modelat consumul mediu de apă la fața locului în centrele de date din SUA la puțin peste 0.36 litri pe kilowatt-oră în 2023. Aceasta este o medie a flotei, nu o rată universală. O instalație cu climă rece care utilizează aer exterior poate fi foarte diferită de o instalație răcită prin evaporare într-o regiune fierbinte.

Afirmațiile pe mesaj variază și mai mult. O estimare academică împărtășită pe scară largă a legat o sticlă de 500 ml de aproximativ 20–50 de răspunsuri model lingvistic; cifrele ulterioare ale operatorilor pentru solicitările de text mediane au fost mult mai mici. Modelele, locațiile și limitele lor contabile diferă. Ghidul nostru pentru cum folosește IA apa explică de ce nicio comparație de sticle nu se aplică fiecărui mesaj.

Hardware-ul are o amprentă înainte ca AI să fie pornit

Energia operațională și apa sunt doar o parte a ciclului de viață. Acceleratoarele necesită materiale extrase și prelucrate, fabricarea semiconductoarelor, transportul și eventual eliminarea. Construcția centrelor de date utilizează oțel, beton, cabluri și echipamente de rezervă. De asemenea, producția poate necesita apă ultrapură și poate produce gaze cu efect de seră.

Estimările publice per interogare rareori alocă toate aceste impacturi. Nu există o metodă aprobată și auditată pentru împărțirea amprentei de producție a unui cip între instruire, inferență și orice altă lucrare efectuată pe parcursul duratei sale de viață utilă. Lăsând hardware-ul afară, un număr este incomplet; alocarea acestuia cu ipoteze de utilizare speculativă poate crea o precizie falsă.

Răspunsul sensibil este de a stabili granița. O estimare a energiei prin inferență poate răspunde „aproximativ câtă energie electrică de funcționare a necesitat acest răspuns?” Nu poate răspunde, în sine, „care a fost impactul total asupra mediului al acestui serviciu AI?” Al nostru metodologie urmează acea regulă: Treechat Încasările sunt estimări bazate pe utilizarea modelului și a tokenului, a costurilor generale ale centrului de date și a unui factor mediu de grilă, nu a măsurătorilor ciclului de viață complet.

AI poate ajuta, dar impactul evitat trebuie dovedit

Există utilizări benefice credibile. IEA descrie aplicații în prognoza energiei, operarea rețelei, optimizarea industrială și detectarea scurgerilor de metan. Previziuni mai bune pot ajuta la integrarea generației de surse regenerabile variabile; detectarea mai rapidă a scurgerilor poate preveni emisiile; iar controalele clădirii pot reduce energia risipită.

Cu toate acestea, o posibilă aplicație nu este o economie realizată. Comparația relevantă include amprenta proprie a sistemului AI, implementarea la scară, comportamentul uman și efectele de rebound. Un optimizator de rută care economisește combustibil poate fi benefic. Dacă costurile mai mici duc la mult mai multă conducere, rezultatul net se poate micșora sau invers. Un model care descoperă un material cu emisii reduse de carbon încă are nevoie de validare și adoptare de laborator.

Aceasta este distincția cheie în a întreba dacă IA este bună pentru mediu: capacitatea nu este un rezultat. Căutați o linie de referință măsurată, un contrafactual credibil, o limită stabilită a sistemului și rezultate în timp. Fiți atenți când un furnizor ia în calcul toate economiile posibile, dar omite calculul necesar pentru a le produce.

Cât de proastă este o anumită utilizare?

Începeți cu sarcina. Un model specializat care face o singură clasificare poate fi mult mai ușor decât un generator de uz general. În experimente cu sarcini comune de învățare automată, Luccini, Jernite și Strubell au descoperit sistemele generative erau substanțial mai mari consumatoare de energie decât modelele specifice sarcinii care îndeplinesc funcții comparabile. Rezultatele lor de referință nu sunt măsurători universale ale produsului, dar arată de ce este importantă alegerea modelului și a sarcinii.

Apoi, întrebați despre volum și mod. Câteva răspunsuri scurte text nu sunt echivalente cu milioane de ieșiri lungi sau cu generarea repetată de imagini și videoclipuri. Apoi întrebați unde funcționează serviciul, cât de eficient folosește unitatea de energie și apă și ce dezvăluie de fapt furnizorul.

În cele din urmă, luați în considerare alternative. O căutare normală, un calculator, un script local sau un document existent pot rezolva problema cu mai puține calcule. Pentru munca care beneficiază cu adevărat de AI, utilizați cel mai mic model capabil, mențineți contextul concentrat și evitați generarea de variații de unică folosință. Vezi plinul nostru auditul mitului despre cât de proastă este cu adevărat AI.

Ce poate face un cititor responsabil

Nu aveți nevoie de un calculator personal perfect de carbon pentru a face alegeri mai bune. Rezervați raționamente grele, agenți, imagini și videoclipuri pentru munca care are nevoie de ele. Folosiți prompturi scurte și clare și opriți-vă când răspunsul este suficient de bun. Alegeți furnizori care dezvăluie metode mai degrabă decât să prezinte numere precise fără limite.

Constrângerea individuală nu este un substitut pentru politica de infrastructură sau raportarea corporativă. Operatorii controlează locația unității, răcirea, utilizarea hardware-ului și achiziția de energie. Guvernele și autoritățile de reglementare modelează planificarea rețelei, permisele de apă și dezvăluirea. Clienții mari pot cere furnizorilor date despre energie, apă și emisii specifice sarcinii de lucru.

Treechat Abordarea lui este în mod deliberat mai restrânsă: direcționați întrebările de zi cu zi către modele mai mici, afișați o chitanță estimată și finanțați un copac nou plantat în fiecare lună pentru fiecare membru plătit. Acea plantare nu șterge calculul. Este o contribuție separată, în timp ce alegerea modelului abordează estimarea operațională. Explicația mai largă a modul în care AI afectează mediul este încă cel mai bun cadru decât orice etichetă verde sau vinovată.

Întrebări frecvente

Este o întrebare AI dăunătoare pentru mediu?

O întrebare scurtă de text are o amprentă operațională mică, dar nu este zero. Modelul, lungimea răspunsului, eficiența centrului de date și mixul de energie electrică determină cât de mic. Preocuparea mai mare este utilizarea repetată a milioane de oameni și moduri mai intensive.

Este AI mai rău decât Google Caută?

Nu există un raport atemporal. Produsele de căutare și AI se schimbă, unele căutări includ acum răspunsuri generate, iar estimările publicate folosesc ani și limite diferiți. Comparați o sarcină definită folosind date actuale, similare.

Poate energia regenerabilă să facă AI verde?

Electricitatea mai curată poate reduce foarte mult emisiile operaționale. Nu elimină utilizarea apei, fabricarea hardware-ului, construcția sau orice efect de rețea locală, iar potrivirea anuală a energiei regenerabile nu este aceeași cu funcționarea orară fără carbon.

Ar trebui să nu mai folosesc AI?

Nu neapărat. Folosiți-l acolo unde produce suficientă valoare pentru a justifica resursele și preferați un model mai mic capabil. Întrebarea mai bună nu este dacă toată AI este bună sau rea, ci dacă acest sistem este o modalitate proporțională de a face această sarcină.