Praktinė apžvalga apie dirbtinio intelekto poveikį aplinkai, apimanti elektros energijos, vandens, anglies dioksido išmetimų, duomenų centrų ir skaičiavimo infrastruktūros aspektus.
— kWh
Dirbtinio intelekto sistemos priklauso nuo fizinės infrastruktūros: grafinių procesorių (GPU), serverių, duomenų centrų, elektros tinklų, aušinimo sistemų, vandens tiekimo ir pasaulinių tinklų. Jų poveikis aplinkai priklauso nuo to, kiek skaičiavimo pajėgumų naudojama, kur jos veikia, koks yra duomenų centro efektyvumas ir kokie energijos bei aušinimo ištekliai yra prieinami vietoje.
Naudingiausias būdas suprasti dirbtinio intelekto poveikį – išskirti pagrindinius veiksnius: elektros energijos paklausą, anglies dioksido intensyvumą, vandens suvartojimą, mokymo ciklų skaičių, išvadų generavimo srautą ir duomenų centrų aušinimą. Toliau pateiktuose puslapiuose paaiškinama kiekviena dalis, tačiau „TheAIMeters“ skaičiavimai nelaikomi oficialiais duomenimis.
Dirbtinio intelekto infrastruktūra sunaudoja daug elektros energijos, aušinimo vandens ir skaičiavimo išteklių. Šie skaičiai tampa lengviau suprantami, kai juos palyginame su pažįstama realaus pasaulio veikla.
Didelės dirbtinio intelekto sistemos nuolat vartoja elektros energiją duomenų centruose, kuriuose yra GPU ir specializuota techninė įranga. Mokymo ir išvadų darymo krūviams gali prireikti energijos, prilygstančios tūkstančiams namų ūkių.
Su dirbtiniu intelektu susijęs išmetamo anglies dioksido kiekis labai priklauso nuo energijos rūšių derinio, kuriuo maitinami duomenų centrai. Iškastiniu kuru gaminama elektra palieka daug didesnį poveikį aplinkai nei atsinaujinantys energijos šaltiniai.
Šiuolaikinei dirbtinio intelekto infrastruktūrai reikia didelių aušinimo pajėgumų. Daugelis duomenų centrų naudoja vandens aušinimo sistemas, todėl vandens suvartojimas tampa vis svarbesne AI tvarumo diskusijų dalimi.
Elektros energija yra dirbtinio intelekto infrastruktūros pagrindas. GPU, serveriai, tinklo ir aušinimo sistemos - visa tai didina energijos poreikį.
Skaityti daugiauSu dirbtiniu intelektu susijęs išmetamo CO₂e kiekis priklauso nuo naudojamos elektros energijos ir duomenų centrus maitinančių tinklų anglies dioksido intensyvumo.
Skaityti daugiauPriklausomai nuo regiono ir infrastruktūros, vanduo gali būti naudojamas tiesiogiai aušinant duomenų centrus ir netiesiogiai gaminant elektros energiją.
Skaityti daugiauDirbtinio intelekto poveikį aplinkai daro tiek didelių modelių mokymas, tiek milijardų išvadų užklausų aptarnavimas kiekvieną dieną. Mokymo darbams reikia didžiulių skaičiavimo pajėgumų, o išvadų darymo krūviai sukuria nuolatinį ilgalaikį pasaulinės infrastruktūros poreikį.
Dirbtinio intelekto duomenų centruose didžiulės skaičiavimo galios sutelkiamos tankiuose GPU klasteriuose. Dėl to aušinimas, vandens prieinamumas, elektros energijos tiekimas ir vietinio elektros tinklo pajėgumas tampa pagrindiniais veiksniais, lemiantys dirbtinio intelekto infrastruktūros poveikį aplinkai.
Mokslininkai ir infrastruktūros teikėjai aktyviai didina dirbtinio intelekto efektyvumą naudodami geresnius lustus, optimizuotus modelius, atsinaujinančiais energijos šaltiniais maitinamus duomenų centrus ir efektyvesnes aušinimo sistemas. Tačiau pasaulinis AI diegimas taip pat auga itin sparčiai, o tai gali atsverti kai kuriuos iš šių pasiekimų.
Viešai skelbiama informacija yra neišsami. Galutinį poveikį aplinkai gali paveikti modelio dydis, aparatinės įrangos tipas, išnaudojimo laipsnis, duomenų centro vieta, aušinimo technologija, elektros tinklo energijos šaltinių sudėtis bei mokymo ir išvadų darymo procesų santykis. „TheAIMeters“ rodiklius reikėtų vertinti kaip skaidrius, orientacinius įvertinimus, o ne oficialius matavimus.
Šiuose rodikliuose derinami vieši duomenys, infrastruktūros prielaidos ir periodiškai atnaujinami duomenys. Išsamias prielaidas galima rasti Metodikos puslapyje Metodika.
Dirbtinio intelekto duomenų centrai naudoja vandenį, nes didelio tankio GPU serveriai generuoja šilumą, kurią būtina nuolat šalinti. Aušinimas vandeniu gali būti efektyvus, tačiau jo vietinis poveikis priklauso nuo klimato, aušinimo sistemos konstrukcijos, elektros energijos gamybos ir vandens prieinamumo.
Realiuoju laiku atliekami AI sunaudojamos elektros energijos įverčiai - šiandien ir nuo metų pradžios - remiantis viešais šaltiniais ir skaidriomis prielaidomis.
Realiuoju laiku atliekami AI išmetamo anglies dioksido kiekio (CO₂e) įverčiai - šiandien ir nuo metų pradžios - remiantis viešais šaltiniais ir skaidriomis prielaidomis.
Šiuolaikinės dirbtinio intelekto sistemos remiasi didžiuliais duomenų centrais, kuriuose yra GPU, tinklo įranga, aušinimo sistemos ir didelio tankio infrastruktūra. Šie įrenginiai užtikrina dirbtinio intelekto mokymą, išvadų darymą, vaizdų generavimą ir didelės apimties kalbos modelius.
AI naudoja tiek daug elektros, nes treniravimas, inferencija ir pasaulinio masto diegimas priklauso nuo skaičiavimams imlios infrastruktūros.
AI modeliai treniruojami mokantis šablonų iš didelių duomenų rinkinių, koreguojant vidinius parametrus ir vėliau naudojant šiuos šablonus atsakyti į naujas įvestis. Šis treniravimo procesas yra AI modelių veikimo pagrindas.