Piše: Adam Zeve

Uzbuđenje koje okružuje potencijalne koristi generativne veštačke inteligencije, od poboljšanja produktivnosti radnika do unapređenja naučnih istraživanja, teško je ignorisati. Iako je eksplozivni rast ove nove tehnologije omogućio brzo primenjivanje moćnih modela u mnogim industrijama, ekološke posledice ove „zlatne groznice“ generativne veštačke inteligencije i dalje je teško utvrditi, a kamoli ublažiti.

Računarska snaga potrebna za obučavanje generativnih veštačkih inteligencija modela koji često imaju milijarde parametara, kao što je OpenAI-jev GPT-4, može zahtevati zapanjujuću količinu električne energije, što dovodi do povećane emisije ugljen-dioksida i pritiska na električnu mrežu.

Štaviše, primena ovih modela u stvarnim aplikacijama, omogućavajući milionima da koriste generativnu veštačku inteligenciju u svakodnevnom životu, a zatim fino podešavanje modela radi poboljšanja njihovih performansi, crpi velike količine energije dugo nakon što je model razvijen.

Pored potreba za električnom energijom, potrebna je velika količina vode za hlađenje hardvera koji se koristi za obuku, implementaciju i fino podešavanje generativnih veštačkih inteligencija (VI), što može opteretiti opštinske zalihe vode i poremetiti lokalne ekosisteme.

Rastući broj generativnih VI aplikacija takođe je podstakao potražnju za visokoperformansnim računarskim hardverom, dodajući indirektne uticaje na životnu sredinu od njegove proizvodnje i transporta.

„Kada razmišljamo o uticaju generativne veštačke inteligencije na životnu sredinu, nije u pitanju samo električna energija koju trošite kada uključite računar. Postoje mnogo šire posledice koje se prenose na sistemski nivo i traju na osnovu akcija koje preduzimamo“, kaže Elsa A. Oliveti, profesorka na Odeljenju za nauku o materijalima i inženjerstvo i rukovodilac Misije dekarbonizacije novog klimatskog projekta MIT-a .

Oliveti je glavni autor rada iz 2024. godine pod nazivom „ Implikacije generativne veštačke inteligencije na klimu i održivost “, čiji su koautori kolege sa MIT-a kao odgovor na poziv Instituta za radove koji istražuju transformativni potencijal generativne veštačke inteligencije, kako u pozitivnom tako i u negativnom pravcu za društvo.

Zahtevni centri podataka

Potražnja za električnom energijom u data centrima jedan je od glavnih faktora koji doprinose uticaju generativne veštačke inteligencije na životnu sredinu, budući da se data centri koriste za obuku i pokretanje modela dubokog učenja koji stoje iza popularnih alata poput ChatGPT i DALL-E.

Data centar je zgrada sa kontrolisanom temperaturom koja smešta računarsku infrastrukturu, kao što su serveri, diskovi za skladištenje podataka i mrežna oprema. Na primer, Amazon ima više od 100 data centara širom sveta , od kojih svaki ima oko 50.000 servera koje kompanija koristi za podršku uslugama računarstva u oblaku.

Iako centri podataka postoje još od 1940-ih (prvi je izgrađen na Univerzitetu u Pensilvaniji 1945. godine kako bi podržao prvi digitalni računar opšte namene , ENIAC), uspon generativne veštačke inteligencije dramatično je povećao tempo izgradnje centara podataka.

„Ono što je drugačije kod generativne veštačke inteligencije je gustina snage koja joj je potrebna. U osnovi, to je samo računarstvo, ali klaster za obuku generativne veštačke inteligencije može potrošiti sedam ili osam puta više energije od tipičnog računarskog opterećenja“, kaže Noman Bašir, glavni autor rada o uticaju, koji je saradnik za računarstvo i uticaj na klimu u MIT-ovom konzorcijumu za klimu i održivost (MCSC) i postdoktorant u Laboratoriji za računarske nauke i veštačku inteligenciju (CSAIL).

Naučnici su procenili da su potrebe za energijom data centara u Severnoj Americi porasle sa 2.688 megavata krajem 2022. godine na 5.341 megavat krajem 2023. godine, delimično zbog potražnje generativne veštačke inteligencije. Globalno, potrošnja električne energije u data centrima porasla je na 460 teravat-sati u 2022. godini. Prema podacima Organizacije za ekonomsku saradnju i razvoj, ovo bi data centre učinilo 11. najvećim potrošačem električne energije na svetu, između Saudijske Arabije (371 teravat-sat) i Francuske (463 teravat-sata).

Očekuje se da će se do 2026. godine potrošnja električne energije u data centrima približiti 1.050 teravat-sati (što bi data centre podiglo na peto mesto na globalnoj listi, između Japana i Rusije).

Iako nisu svi obračuni u centrima podataka povezani sa generativnom veštačkom inteligencijom, ta tehnologija je bila glavni pokretač povećanja potražnje za energijom.

„Potražnja za novim centrima podataka ne može se zadovoljiti na održiv način. Tempo kojim kompanije grade nove centre podataka znači da najveći deo električne energije za njihovo napajanje mora da dolazi iz elektrana na fosilna goriva“, kaže Bašir.

Teško je utvrditi količinu energije potrebne za obuku i implementaciju modela poput OpenAI-jevog GPT-3. U istraživačkom radu iz 2021. godine, naučnici iz kompanije Google i Univerziteta Kalifornije u Berkliju procenili su da je samo proces obuke potrošio 1.287 megavat-sati električne energije (dovoljno za napajanje oko 120 prosečnih američkih domaćinstava tokom jedne godine), generišući oko 552 tone ugljen-dioksida.

Iako svi modeli mašinskog učenja moraju biti obučeni, jedan problem jedinstven za generativnu veštačku inteligenciju su brze fluktuacije u potrošnji energije koje se javljaju tokom različitih faza procesa obuke, objašnjava Bašir.

Operatori elektroenergetske mreže moraju imati način da apsorbuju te fluktuacije kako bi zaštitili mrežu, i za taj zadatak obično koriste generatore na bazi dizela .

Rastući uticaji iz zaključivanja

Kada se generativni veštački inteligentni model obuči, potrebe za energijom ne nestaju.

Svaki put kada se model koristi, možda od strane pojedinca koji traži od ChatGPT-a da sumira imejl, računarski hardver koji obavlja te operacije troši energiju. Istraživači su procenili da ChatGPT upit troši oko pet puta više struje nego jednostavna veb pretraga.

„Ali svakodnevni korisnik ne razmišlja previše o tome“, kaže Bašir. „Jednostavnost korišćenja generativnih veštačkih inteligencija i nedostatak informacija o uticaju mojih postupaka na životnu sredinu znače da, kao korisnik, nemam mnogo podsticaja da smanjim upotrebu generativne veštačke inteligencije.“

Kod tradicionalne veštačke inteligencije, potrošnja energije je prilično ravnomerno raspoređena između obrade podataka, obuke modela i zaključivanja, što je proces korišćenja obučenog modela za predviđanje na osnovu novih podataka. Međutim, Bašir očekuje da će potrebe za električnom energijom generativne veštačke inferencije na kraju dominirati, jer ovi modeli postaju sveprisutni u toliko mnogo aplikacija, a električna energija potrebna za zaključivanje će se povećavati kako buduće verzije modela budu postajale veće i složenije.

Pored toga, generativni modeli veštačke inteligencije imaju posebno kratak rok trajanja, što je vođeno rastućom potražnjom za novim aplikacijama veštačke inteligencije. Kompanije objavljuju nove modele svakih nekoliko nedelja, tako da se energija koja se koristi za obuku prethodnih verzija baca u propast, dodaje Bašir. Novi modeli često troše više energije za obuku, jer obično imaju više parametara od svojih prethodnika.

Iako potražnja za električnom energijom u data centrima možda dobija najviše pažnje u istraživačkoj literaturi, količina vode koju troše ovi objekti takođe ima uticaj na životnu sredinu.

Hladna voda se koristi za hlađenje data centra apsorbujući toplotu iz računarske opreme. Procenjeno je da bi za svaki kilovat-sat energije koju data centar potroši bila potrebna dva litra vode za hlađenje, kaže Bašir.

„Samo zato što se ovo naziva 'klaud računarstvo' ne znači da se hardver nalazi u oblaku. Centri podataka su prisutni u našem fizičkom svetu i zbog potrošnje vode imaju direktne i indirektne implikacije na biodiverzitet“, kaže on.

Računarski hardver unutar data centara donosi svoje, manje direktne uticaje na životnu sredinu.

Iako je teško proceniti koliko je snage potrebno za proizvodnju grafičke procesorske jedinice (GPU), vrste moćnog procesora koji može da podnese intenzivna generativna veštačka inteligencija, to bi bilo više nego što je potrebno za proizvodnju jednostavnijeg procesora (CPU) jer je proces proizvodnje složeniji. Ugljenični otisak grafičke procesorske jedinice (GPU) je pogoršan emisijama povezanim sa transportom materijala i proizvoda.

Takođe postoje ekološke implikacije dobijanja sirovina koje se koriste za izradu grafičkih procesora (GPU), što može uključivati prljave postupke rudarenja i upotrebu toksičnih hemikalija za preradu.

Firma za istraživanje tržišta TechInsights procenjuje da su tri glavna proizvođača (NVIDIA, AMD i Intel) isporučila 3,85 miliona grafičkih procesora centrima podataka u 2023. godini, u odnosu na oko 2,67 miliona u 2022. godini. Očekuje se da će se taj broj povećati za još veći procenat u 2024. godini.

Industrija je na neodrživoj putanji, ali postoje načini da se podstakne odgovoran razvoj generativne veštačke inteligencije koja podržava ekološke ciljeve, kaže Bašir.

On, Oliveti i njihove kolege sa MIT-a tvrde da će ovo zahtevati sveobuhvatno razmatranje svih ekoloških i društvenih troškova generativne veštačke inteligencije, kao i detaljnu procenu vrednosti njenih percipiranih koristi.

„Potreban nam je kontekstualniji način sistematskog i sveobuhvatnog razumevanja implikacija novih dešavanja u ovoj oblasti. Zbog brzine kojom su se dešavala poboljšanja, nismo imali priliku da sustignemo naše sposobnosti merenja i razumevanja kompromisa“, kaže Oliveti.

Izvor: Pravda/PRIREDIO VLADIMIR DIMITRIJEVIĆ

https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117