Η γενετική τεχνητή νοημοσύνη (generative AI), δηλαδή τα μοντέλα που παράγουν κείμενο, εικόνες, ήχους ή βίντεο, έχει γνωρίσει εντυπωσιακή ανάπτυξη τα τελευταία χρόνια. Ωστόσο, πέρα από τις τεχνολογικές και κοινωνικές συνέπειες, αρχίζει να απασχολεί έντονα και ο περιβαλλοντικός της αντίκτυπος. Σύμφωνα με πρόσφατη ανάλυση του MIT, τα συστήματα γενετικής ΑΙ έχουν σημαντική κατανάλωση ενέργειας και νερού, τόσο κατά την εκπαίδευσή τους όσο και κατά τη χρήση τους.
Εκπαίδευση: Ένα ενεργοβόρο στάδιο
Η εκπαίδευση ενός μεγάλου γλωσσικού μοντέλου, όπως το GPT-4, απαιτεί τεράστιες υπολογιστικές δυνάμεις. Αυτό μεταφράζεται σε μεγάλες ποσότητες ενέργειας, που συχνά προέρχεται από ορυκτά καύσιμα. Για παράδειγμα, η εκπαίδευση ενός μοντέλου με δισεκατομμύρια παραμέτρους μπορεί να καταναλώσει τόσο ρεύμα όσο μία μικρή πόλη για αρκετές ημέρες ή εβδομάδες.
Χρήση και υπολογιστική ζήτηση
Αν και η χρήση των μοντέλων φαίνεται πιο ελαφριά σε σχέση με την εκπαίδευση, η συχνότητα πρόσβασης –ιδίως σε εφαρμογές με εκατομμύρια χρήστες– έχει αθροιστικά τεράστιο αποτύπωμα. Η κάθε ερώτηση που γίνεται σε ένα μοντέλο απαιτεί υπολογιστικούς πόρους, οι οποίοι καταναλώνουν ενέργεια και συντελούν σε εκπομπές διοξειδίου του άνθρακα.
Χρήση νερού και ψύξη κέντρων δεδομένων
Ένα λιγότερο γνωστό στοιχείο είναι η κατανάλωση νερού. Τα κέντρα δεδομένων χρειάζονται νερό για την ψύξη των servers. Κατά την εκπαίδευση μεγάλων μοντέλων, μπορεί να καταναλωθούν εκατοντάδες χιλιάδες λίτρα νερού. Αυτό είναι ιδιαίτερα ανησυχητικό σε περιοχές με περιορισμένους υδάτινους πόρους.
Προς ένα βιώσιμο μέλλον
Η κοινότητα της τεχνητής νοημοσύνης εξετάζει τρόπους για να μειώσει το περιβαλλοντικό αποτύπωμα. Αυτοί περιλαμβάνουν τη χρήση ανανεώσιμων πηγών ενέργειας, τη βελτιστοποίηση των αλγορίθμων ώστε να απαιτούν λιγότερη υπολογιστική ισχύ και την ανάπτυξη νέων μοντέλων με μεγαλύτερη ενεργειακή αποδοτικότητα.
Η κατανόηση και η διαφάνεια γύρω από την κατανάλωση πόρων της γενετικής ΑΙ είναι κρίσιμες για την υπεύθυνη ανάπτυξή της. Όπως με κάθε τεχνολογική καινοτομία, η ισορροπία ανάμεσα στην πρόοδο και τη βιωσιμότητα είναι καθοριστική.
Πηγή: news.mit.edu
