Настъпвайки в ерата на изкуствения интелект (AI), не можем да пренебрегнем екологичните последици, произтичащи от развитието и внедряването на големи езикови модели (LLMs). Докато компаниите споделят данни за ефективността, все по-малко обръщат внимание на въздействието върху околната среда. Ново изследване хвърля светлина върху енергийните, водните и въглеродните разходи, свързани с тези мощни AI инструменти.
Нов еталон за оценка на въздействието върху околната среда
В стремежа да се определи количествено въздействието на AI върху околната среда, екип от изследователи от Университета на Роуд Айлънд, Providence College и Университета на Тунис представи инфраструктурно-съобразена база за сравнение за AI изводи. Това изследване, достъпно на arXiv сървъра на Cornell University, предлага по-точна оценка на екологичните ефекти на AI. Еталонът комбинира данни за латентността на публичния API с информация за основните графични процесори и регионалните енергийни мрежи, за да изчисли екологичния отпечатък за подкана за 30 основни AI модела. Този цялостен подход отчита консумацията на енергия, използването на вода и въглеродните емисии, което завършва с оценка на „еко-ефективност“.
Abdeltawab Hendawi, асистент в Университета на Роуд Айлънд, обяснява мотивацията зад проучването: „Започнахме да мислим за сравняване на тези модели по отношение на екологичните ресурси, вода, енергия и въглероден отпечатък.“ Резултатите разкриват значителни различия във въздействието върху околната среда на различните AI модели.
Различия в потреблението на енергия: OpenAI, DeepSeek и Anthropic
Проучването подчертава значителни разлики в потреблението на енергия сред водещите AI модели. Моделът o3 на OpenAI и основният модел за разсъждения на DeepSeek консумират повече от 33 ват-часа (Wh) за един разширен отговор. Това рязко контрастира с по-малкия GPT-4.1 nano на OpenAI, който изисква над 70 пъти по-малко енергия. Claude-3.7 Sonnet на Anthropic се очертава като най-еко-ефективният модел в проучването.
Изследователите подчертават решаващата роля на хардуера при определяне на въздействието на AI върху околната среда. Например, GPT-4o mini, който използва по-старите A100 графични процесори, консумира повече енергия на заявка от по-големия GPT-4o, който работи на по-модерни H100 чипове. Това подчертава важността на използването на най-съвременен хардуер, за да се минимизира екологичният отпечатък на AI.
Екологичните последици от дължината на заявката
Проучването разкрива пряка връзка между дължината на заявката и въздействието върху околната среда. По-дългите заявки неизменно водят до по-голяма консумация на ресурси. Дори привидно незначителни, кратки подкани допринасят за цялостната екологична тежест. Една кратка подкана GPT-4o консумира приблизително 0,43 Wh енергия. Изследователите изчисляват, че при прогнозираните от OpenAI 700 милиона повиквания на GPT-4o на ден, общата годишна консумация на енергия може да варира от 392 до 463 гигават-часа (GWh). За да поставим това в перспектива, това е достатъчно енергия за захранване на между 35 000 американски домакинства годишно.
Кумулативно въздействие от приемането на AI
Проучването подчертава, че възприемането на AI от отделните потребители може бързо да ескалира в значителни екологични разходи. Nidhal Jegham, изследовател от Университета на Роуд Айлънд и водещ автор на проучването, обяснява, че „Годишното използване на ChatGPT-4o консумира толкова вода, колкото нуждите за пиене на 1,2 милиона души годишно.“ Jegham предупреждава, че макар въздействието върху околната среда на едно съобщение или подкана да изглежда незначително, „след като го увеличите, особено колко много AI се разширява в различните индекси, това наистина се превръща в нарастващ проблем.“
По-задълбочен анализ на показателите за въздействие върху околната среда
За да оценим напълно последиците от констатациите на проучването, е от съществено значение по-подробно проучване на екологичните показатели, използвани за оценка на AI моделите. Следващите раздели предоставят разбивка на ключовите показатели:
Консумация на енергия
Консумацията на енергия е основна мярка за електрическата енергия, необходима за работата на AI модели. Проучването определя количествено консумацията на енергия във ват-часа (Wh) на заявка, което позволява пряко сравнение на енергийната ефективност на различните модели. Минимизирането на консумацията на енергия е от решаващо значение за намаляване на въглеродния отпечатък и цялостното въздействие на AI върху околната среда.
Фактори, влияещи върху консумацията на енергия:
- Размер и сложност на модела: По-големите и по-сложни модели обикновено изискват повече енергия, за да работят от по-малките, по-прости модели.
- Ефективност на хардуера: Графичните процесори и други хардуерни компоненти, използвани за стартиране на AI модели, играят важна роля в консумацията на енергия. По-модерният и енергийно ефективен хардуер може значително да намали енергийния отпечатък на AI.
- Дължина и сложност на заявката: По-дългите и по-сложни заявки обикновено изискват повече изчислителни ресурси и по този начин консумират повече енергия.
- Техники за оптимизация: Различни техники за оптимизация, като компресиране на модела и квантуване, могат да намалят консумацията на енергия на AI моделите, без да жертват точността.
Използване на вода
Използването на вода е често пренебрегван аспект от въздействието на AI върху околната среда. Центровете за данни, в които се помещават сървърите, които стартират AI модели, изискват значителни количества вода за охлаждане. Проучването изчислява използването на вода въз основа на консумацията на енергия на центровете за данни и водния интензитет на регионалните електрически мрежи, които доставят електричество на тези центрове за данни.
Фактори, влияещи върху използването на вода:
- Изисквания за охлаждане: Центровете за данни генерират значителна топлина и изискват охладителни системи, за да поддържат оптимални работни температури. Водата често се използва като охлаждаща течност, пряко или непряко чрез охладителни кули.
- Воден интензитет на електрическата мрежа: Водният интензитет на електрическата мрежа се отнася до количеството вода, необходимо за генериране на единица електроенергия. Електрическите мрежи, които разчитат доголяма степен на термоелектрически електроцентрали, които използват вода за охлаждане, имат по-високи водни интензитети.
- Местоположение на центъра за данни: Центровете за данни, разположени в сухи региони или региони с проблеми с недостиг на вода, могат да влошат въздействието на AI върху околната среда.
Въглеродни емисии
Въглеродните емисии са основен двигател на изменението на климата. Проучването изчислява въглеродните емисии въз основа на консумацията на енергия на AI моделите и въглеродния интензитет на регионалните електрически мрежи. Въглеродният интензитет се отнася до количеството въглероден диоксид, излъчвано на единица генерирана електроенергия.
Фактори, влияещи върху въглеродните емисии:
- Източник на енергия: Типът енергия, използван за захранване на центровете за данни, има значително въздействие върху въглеродните емисии. Възобновяемите енергийни източници, като слънчевата и вятърната енергия, имат много по-ниски въглеродни интензитети от изкопаемите горива като въглищата и природния газ.
- Въглероден интензитет на електрическата мрежа: Въглеродният интензитет на електрическата мрежа варира в зависимост от комбинацията от енергийни източници, използвани за генериране на електроенергия. Регионите с по-голям дял на възобновяемите енергийни източници имат по-ниски въглеродни интензитети.
- Енергийна ефективност: Намаляването на консумацията на енергия е най-ефективният начин за намаляване на въглеродните емисии.
Последици и препоръки
Резултатите от проучването имат значителни последици за разработчиците на AI, политиците и крайните потребители. Въздействието на AI върху околната среда не е незначително и трябва да бъде внимателно обмислено, тъй като AI технологията продължава да напредва и да се разпространява.
Препоръки за разработчиците на AI:
- Приоритизиране на енергийната ефективност: Разработчиците на AI трябва да дадат приоритет на енергийната ефективност при проектирането и обучението на AI модели. Това включва използване на по-малки модели, оптимизиране на кода и използване на ефективен хардуер.
- Проучване на възобновяеми енергийни източници: AI компаниите трябва да проучат възможностите за захранване на своите центрове за данни с възобновяеми енергийни източници. Това може значително да намали въглеродния отпечатък на AI.
- Инвестиране в опазване на водата: Центровете за данни трябва да инвестират в технологии за опазване на водата, за да минимизират използването на вода. Това включва използване на системи за охлаждане със затворен цикъл и събиране на дъждовна вода.
- Прозрачност и отчитане: AI компаниите трябва да бъдат прозрачни за въздействието на техните модели върху околната среда и да отчитат ключови показатели като консумация на енергия, използване на вода и въглеродни емисии.
Препоръки за политиците:
- Стимулиране на зелен AI: Политиците трябва да стимулират развитието и внедряването на зелени AI технологии чрез данъчни кредити, субсидии и други стимули.
- Регулиране на консумацията на енергия от центровете за данни: Политиците трябва да регулират консумацията на енергия от центровете за данни, за да гарантират, че центровете за данни работят възможно най-ефективно.
- Насърчаване на приемането на възобновяема енергия: Политиците трябва да насърчават приемането на възобновяеми енергийни източници, за да намалят въглеродния интензитет на електрическите мрежи.
- Подкрепа за изследвания и разработки: Политиците трябва да подкрепят изследванията и разработките на нови технологии, които могат да намалят въздействието на AI върху околната среда.
Препоръки за крайните потребители:
- Съзнателно използване на AI: Крайните потребители трябва да бъдат съзнателни за използването на AI и да избягват ненужни или лекомислени заявки.
- Избор на екологично чисти AI модели: Когато е възможно, крайните потребители трябва да избират AI модели, за които е известно, че са по-енергийно ефективни.
- Подкрепа за устойчиви AI практики: Крайните потребители могат да подкрепят устойчивите AI практики, като избират AI продукти и услуги от компании, които са ангажирани с екологичната отговорност.
Бъдещи насоки на изследване
Проучването подчертава необходимостта от по-нататъшни изследвания на въздействието на AI върху околната среда. Бъдещите изследвания следва да се фокусират върху следните области:
- Оценка на жизнения цикъл: Провеждане на цялостна оценка на жизнения цикъл на AI моделите, от разработването до изхвърлянето, за да се идентифицират всички потенциални въздействия върху околната среда.
- Въздействие на обучението: Разследване на въздействието върху околната среда на обучението на AI модели, което може да бъде значително по-високо от въздействието на изводите.
- Въздействие на AI върху други сектори: Разглеждане на въздействието на AI върху други сектори на икономиката, като транспорт и производство, за да се разберат общите екологични последици от приемането на AI.
- Разработване на нови показатели: Разработване на нови показатели за оценка на въздействието на AI върху околната среда, като например показатели, които отчитат вложената енергия и материали в AI хардуера.
Заключение
Въздействието на LLMs върху околната среда е сложен и многостранен въпрос, който изисква внимателно разглеждане. Резултатите от това проучване предоставят ценна информация за енергийните, водните и въглеродните разходи, свързани с популярните AI инструменти. Разбирайки тези разходи, разработчиците на AI, политиците и крайните потребители могат да предприемат стъпки за минимизиране на екологичния отпечатък на AI и да гарантират, че AI технологията се разработва и внедрява по устойчив начин. Тъй като AI става все по-интегриран в живота ни, е от решаващо значение да дадем приоритет на устойчивостта и да работим заедно, за да създадем бъдеще, в което AI е от полза за обществото, без да навреди на околната среда.