Tekoälyn ympäristövaikutukset: Huoli muusta kuin väärästä tiedosta ja työpaikoista

Tekoälyn (AI) alalla keskustelut pyörivät usein väärän tiedon ja ihmisten työpaikkojen mahdollisen uhan ympärillä. Bostonin yliopiston professori Kate Saenko kiinnittää kuitenkin huomion toiseen merkittävään huolenaiheeseen – generatiivisten tekoälytyökalujen merkittäviin ympäristövaikutuksiin.

Tekoälytutkijana Saenko on huolissaan tekoälymallien rakentamisen energiakustannuksista. The Conversationin artikkelissa hän korostaa: "Mitä tehokkaampi tekoäly, sitä enemmän energiaa se vie."

Vaikka Bitcoinin ja Ethereumin kaltaisten kryptovaluuttojen energiankulutus on herättänyt laajaa keskustelua, tekoälyn nopea kehitys ei ole saanut samantasoista tarkastelua sen vaikutuksista planeetalle.

Professori Saenko pyrkii muuttamaan tätä narratiivia tunnustaen yhden generatiivisen tekoälykyselyn hiilijalanjäljestä saatavilla olevan rajallisen tiedon. Hän kuitenkin korostaa, että tutkimusten mukaan energiankulutus on neljästä viiteen kertaa suurempi kuin pelkän hakukonekyselyn.

Merkittävä tutkimus vuodelta 2019 tutkii generatiivista tekoälymallia nimeltään Bidirectional Encoder Representations from Transformers (BERT), joka koostuu 110 miljoonasta parametrista. Tämä malli kulutti yhden henkilön edestakaista mannertenvälistä lentoa vastaavan energian koulutusprosessinsa aikana grafiikkaprosessointiyksiköitä (GPU) hyödyntäen. Mallin ennusteita ohjaavia ja monimutkaisuutta lisääviä parametreja säädetään koulutuksen aikana virheiden vähentämiseksi.

Vertailun vuoksi Saenko paljastaa, että OpenAI:n GPT-3-malli, jolla on huikeat 175 miljardia parametria, kulutti energiaa, joka vastaa 123 bensiinikäyttöistä henkilöautoa vuoden ajan tai noin 1,287 552 megawattituntia sähköä. Lisäksi se tuotti huikeat XNUMX tonnia hiilidioksidia. Huomattavaa on, että tämä energiankulutus tapahtui ennen kuin yksikään kuluttaja edes alkoi hyödyntää mallia.

Tekoälychatbottien, kuten Perplexity AI:n ja Bingiin integroidun Microsoftin ChatGPT:n, kasvavan suosion myötä tilannetta pahentaa entisestään mobiilisovellusten julkaisu, mikä tekee näistä teknologioista entistä helpommin saatavilla laajemmalle yleisölle.

Onneksi Saenko korostaa Googlen tutkimusta, jossa ehdotetaan erilaisia ​​strategioita hiilijalanjäljen pienentämiseksi. Tehokkaampien malliarkkitehtuurien, prosessorien ja ympäristöystävällisten datakeskusten käyttö voi vähentää merkittävästi energiankulutusta.

Vaikka yksi suuri tekoälymalli ei yksinään tuhoa ympäristöä, Saenko varoittaa, että jos monet yritykset kehittävät eri tarkoituksiin hieman erilaisia ​​tekoälybotteja, joista jokainen palvelee miljoonia asiakkaita, kumulatiivisesta energiankulutuksesta voi tulla merkittävä huolenaihe.

Lopulta Saenko ehdottaa, että lisätutkimukset ovat välttämättömiä generatiivisen tekoälyn tehokkuuden parantamiseksi. Hän korostaa rohkaisevasti tekoälyn mahdollisuuksia käyttää uusiutuvia energialähteitä. Optimoimalla laskenta vastaamaan vihreän energian saatavuutta tai sijoittamalla palvelinkeskuksia, joissa on runsaasti uusiutuvaa energiaa, päästöjä voidaan vähentää huomattavasti 30–40 kertoimella verrattuna fossiilisia polttoaineita käyttäviin verkkoihin.

Yhteenvetona voidaan todeta, että vaikka huoli tekoälyn aiheuttamasta väärästä tiedosta ja työpaikkojen siirtymisestä jatkuu, professori Saenkon korostaminen generatiivisten tekoälytyökalujen ympäristövaikutuksista herättää kriittisen kysymyksen. Se vaatii lisää tutkimusta ja innovatiivisia lähestymistapoja sen varmistamiseksi, että tekoälyn kehitys on linjassa kestävyystavoitteiden kanssa. Näin voimme hyödyntää tekoälyn potentiaalia ja minimoida sen hiilijalanjäljen, mikä tasoittaa tietä vihreämmälle tulevaisuudelle.

 

Lähde: https://bitcoinworld.co.in/the-environmental-impact-of-artificial-intelligence-a-concern-beyond-misinformation-and-job-threats/