Μια πρακτική επισκόπηση του περιβαλλοντικού αποτυπώματος της τεχνητής νοημοσύνης σε τομείς όπως η ηλεκτρική ενέργεια, το νερό, οι εκπομπές διοξειδίου του άνθρακα, τα κέντρα δεδομένων και η υπολογιστική υποδομή.
Τα συστήματα τεχνητής νοημοσύνης εξαρτώνται από τη φυσική υποδομή: GPU, διακομιστές, κέντρα δεδομένων, ηλεκτρικά δίκτυα, συστήματα ψύξης, δίκτυα ύδρευσης και παγκόσμια δίκτυα. Το περιβαλλοντικό τους αποτύπωμα εξαρτάται από τον όγκο των υπολογιστικών πόρων που χρησιμοποιούνται, τον τόπο λειτουργίας τους, την ενεργειακή απόδοση του κέντρου δεδομένων, καθώς και από τους πόρους ενέργειας και ψύξης που διατίθενται σε τοπικό επίπεδο.
Ο πιο αποτελεσματικός τρόπος για να κατανοήσουμε τον αντίκτυπο της τεχνητής νοημοσύνης είναι να διαχωρίσουμε τους κύριους παράγοντες: τη ζήτηση ηλεκτρικής ενέργειας, την ένταση άνθρακα, τη χρήση νερού, τις δοκιμαστικές εκτελέσεις, την κίνηση των συναγωγών και την ψύξη των κέντρων δεδομένων. Στις παρακάτω σελίδες εξηγείται κάθε στοιχείο, χωρίς όμως οι εκτιμήσεις του TheAIMeters να θεωρούνται επίσημα συνολικά στοιχεία.
Οι υποδομές τεχνητής νοημοσύνης καταναλώνουν τεράστιες ποσότητες ηλεκτρικής ενέργειας, νερού ψύξης και υπολογιστικών πόρων. Αυτοί οι αριθμοί γίνονται ευκολότερα κατανοητοί όταν συγκρίνονται με οικείες δραστηριότητες του πραγματικού κόσμου.
Τα μεγάλα συστήματα τεχνητής νοημοσύνης καταναλώνουν συνεχώς ηλεκτρική ενέργεια μέσω των κέντρων δεδομένων που είναι γεμάτα με GPU και εξειδικευμένο υλικό. Οι φόρτοι εργασίας εκπαίδευσης και εξαγωγής συμπερασμάτων μπορεί να απαιτούν ενέργεια συγκρίσιμη με την ενέργεια χιλιάδων νοικοκυριών.
Οι εκπομπές διοξειδίου του άνθρακα που σχετίζονται με την τεχνητή νοημοσύνη εξαρτώνται σε μεγάλο βαθμό από το ενεργειακό μείγμα που τροφοδοτεί τα κέντρα δεδομένων. Η ηλεκτρική ενέργεια που βασίζεται σε ορυκτά καύσιμα παράγει πολύ μεγαλύτερο περιβαλλοντικό αποτύπωμα από ό,τι οι ανανεώσιμες πηγές ενέργειας.
Η σύγχρονη υποδομή ΤΝ απαιτεί σημαντική ικανότητα ψύξης. Πολλά κέντρα δεδομένων βασίζονται σε συστήματα ψύξης με βάση το νερό, καθιστώντας την κατανάλωση νερού όλο και πιο σημαντικό μέρος των συζητήσεων για τη βιωσιμότητα της ΤΝ.
Η ηλεκτρική ενέργεια αποτελεί το θεμέλιο του αποτυπώματος υποδομής της ΤΝ. Οι GPU, οι διακομιστές, τα συστήματα δικτύωσης και ψύξης συμβάλλουν στη ζήτηση ενέργειας.
Διαβάστε περισσότεραΟι εκπομπές CO₂e που σχετίζονται με την τεχνητή νοημοσύνη εξαρτώνται από τη χρησιμοποιούμενη ηλεκτρική ενέργεια και την ένταση άνθρακα των δικτύων που τροφοδοτούν τα κέντρα δεδομένων.
Διαβάστε περισσότεραΤο νερό μπορεί να εμπλέκεται άμεσα μέσω της ψύξης των κέντρων δεδομένων και έμμεσα μέσω της παραγωγής ηλεκτρικής ενέργειας, ανάλογα με την περιοχή και την υποδομή.
Διαβάστε περισσότεραΟ περιβαλλοντικός αντίκτυπος της τεχνητής νοημοσύνης προέρχεται τόσο από την εκπαίδευση μεγάλων μοντέλων όσο και από την εξυπηρέτηση δισεκατομμυρίων αιτημάτων εξαγωγής συμπερασμάτων κάθε μέρα. Ενώ η εκπαίδευση απαιτεί τεράστιες εκρήξεις υπολογιστικής ισχύος, οι φόρτοι εργασίας εξαγωγής συμπερασμάτων δημιουργούν μια συνεχή μακροπρόθεσμη ζήτηση στην παγκόσμια υποδομή.
Τα κέντρα δεδομένων τεχνητής νοημοσύνης συγκεντρώνουν μεγάλες υπολογιστικές δυνατότητες σε πυκνά συμπλέγματα GPU. Αυτό καθιστά την ψύξη, τη διαθεσιμότητα νερού, την παροχή ηλεκτρικής ενέργειας και τη χωρητικότητα του τοπικού δικτύου ηλεκτρικής ενέργειας καθοριστικούς παράγοντες για τις περιβαλλοντικές επιπτώσεις της υποδομής τεχνητής νοημοσύνης.
Οι ερευνητές και οι πάροχοι υποδομών βελτιώνουν ενεργά την αποδοτικότητα της ΤΝ μέσω καλύτερων τσιπ, βελτιστοποιημένων μοντέλων, κέντρων δεδομένων που λειτουργούν με ανανεώσιμες πηγές ενέργειας και αποδοτικότερων συστημάτων ψύξης. Ωστόσο, η παγκόσμια υιοθέτηση της ΤΝ αυξάνεται επίσης εξαιρετικά γρήγορα, γεγονός που μπορεί να αντισταθμίσει ορισμένα από αυτά τα κέρδη.
Οι δημόσιες αναφορές είναι ελλιπείς. Το μέγεθος του μοντέλου, ο τύπος του υλικού, ο βαθμός χρήσης, η τοποθεσία του κέντρου δεδομένων, η τεχνολογία ψύξης, το ενεργειακό μείγμα και η κατανομή μεταξύ εκπαίδευσης και εξαγωγής συμπερασμάτων μπορούν όλα να επηρεάσουν το τελικό αποτύπωμα. Τα AIMeters πρέπει να θεωρούνται ως διαφανείς, ενδεικτικές εκτιμήσεις και όχι ως επίσημες μετρήσεις.
Οι δείκτες αυτοί συνδυάζουν δημόσια δεδομένα, παραδοχές για τις υποδομές και περιοδικές ενημερώσεις. Λεπτομερείς παραδοχές είναι διαθέσιμες στη σελίδα Μεθοδολογία Μεθοδολογία.
Τα κέντρα δεδομένων τεχνητής νοημοσύνης χρησιμοποιούν νερό, καθώς οι διακομιστές GPU υψηλής πυκνότητας παράγουν θερμότητα που πρέπει να απομακρύνεται συνεχώς. Η ψύξη με νερό μπορεί να είναι αποδοτική, αλλά οι τοπικές επιπτώσεις της εξαρτώνται από το κλίμα, τον σχεδιασμό του συστήματος ψύξης, την παραγωγή ηλεκτρικής ενέργειας και τη διαθεσιμότητα νερού.
Εκτιμήσεις σε πραγματικό χρόνο για την ηλεκτρική ενέργεια που χρησιμοποιείται από την ΑΙ-σήμερα και από έτος σε έτος-με βάση δημόσιες πηγές και διαφανείς παραδοχές.
Εκτιμήσεις σε πραγματικό χρόνο για τις εκπομπές διοξειδίου του άνθρακα (CO₂e) της AI - σήμερα και από το προηγούμενο έτος - με βάση δημόσιες πηγές και διαφανείς παραδοχές.
Τα σύγχρονα συστήματα τεχνητής νοημοσύνης βασίζονται σε τεράστια κέντρα δεδομένων γεμάτα με GPU, εξοπλισμό δικτύωσης, συστήματα ψύξης και υποδομές υψηλής πυκνότητας. Αυτές οι εγκαταστάσεις τροφοδοτούν την εκπαίδευση της ΤΝ, την εξαγωγή συμπερασμάτων, τη δημιουργία εικόνων και τα γλωσσικά μοντέλα μεγάλης κλίμακας.
Η AI χρησιμοποιεί τόσο πολύ ηλεκτρισμό επειδή η εκπαίδευση, το inference και η ανάπτυξη σε παγκόσμια κλίμακα βασίζονται σε υποδομή έντονης υπολογιστικής ισχύος.
Τα μοντέλα AI εκπαιδεύονται μαθαίνοντας μοτίβα από μεγάλα datasets, προσαρμόζοντας εσωτερικές παραμέτρους και χρησιμοποιώντας αυτά τα μοτίβα για να απαντούν σε νέα inputs. Αυτή η διαδικασία εκπαίδευσης είναι η βάση του τρόπου λειτουργίας των μοντέλων AI.