Близится энергетический коллапс: почему генеративный ИИ может уничтожить глобальную сеть
Одно из них связано с количеством энергии, которое потребляет искусственный интеллект. Экологи предупреждают – совсем скоро аппетиты ИИ могут привести к масштабному климатическому кризису и, впоследствии, к энергетическому коллапсу с уничтожением глобальной сети.
Сколько энергии нужно ИИ?
По данным Международного энергетического агентства, в 2022 году общий объем энергопотребления сферами криптовалют и искусственного интеллекта составил примерно 460 ТВт-ч – это 2% от общемирового производства. С каждым годом эта цифра растёт. Но неужели за развитие ИИ человечеству придется заплатить откатом на несколько веков назад?
«Генеративный ИИ – это действительно очень большие энергозатраты не только на обучение, но и на применение моделей. Ходят слухи, что OpenAI тратит около 20 млн долларов в день на поддержку бесплатного доступа к ChatGPT. С появлением последнего поколения рассуждающих моделей эта цифра еще больше вырастет, так как нагрузка на них будет выше», – говорит Дмитрий Сошников.
В качестве примера можно привести работу Алекса де Вриса, аспиранта Амстердамского университета и основателя Digiconomist – компании, занимающейся изучением последствий новых цифровых тенденций. Врис отмечает, что один запрос в ChatGPT потребляет в 10 раз больше энергии, чем запрос в поисковой системе. Таким образом, ChatGPT может тратить до 564 МВт-ч в день, что равноценно среднему потреблению энергии 52 американских домов в год.
Исследователь влияния ИИ на климат из американской компании Hugging Face Саша Луччони также пришла к выводу, что ИИ ускоряет технологический кризис. Она призвала крупные компании к «энергетической умеренности» и разумности использования искусственного интеллекта. Кроме того, Луччони призвала разработчиков объяснить людям, насколько дорого генеративный ИИ может стоить обществу.
Есть ли решение?
Однако не все так страшно. Человечество уже ищет решения, способные снизить аппетиты генеративного ИИ и его углеродный след. Например, американская технологическая компания Nvidia занимается разработкой графических процессоров нового поколения, которые потребляют гораздо меньше энергии. Кроме того, уменьшить масштаб проблемы помогает использование облачных вычислительных ресурсов.
«Есть подходы к снижению энергопотребления и повышению скорости моделей: это специализированные процессоры (например, от Groq), квантизация (что позволяет запускать LLM на потребительском железе и мобильных устройствах), дистилляция моделей. Так, недавно ученые из Калифорнийского университета в Санта-Крузе нашли способ сократить энергопотребление моделей при выводе в 50 раз. Как правило, это немного снижает качество их работы, но во многих задачах это не так существенно», – считает эксперт.
«В сравнении с человеком нейросети оказываются на порядок более эффективными и дешевыми. Другое дело, что они пока годятся для решения лишь некоторых задач (в первую очередь – креативных) и плохо справляются со строгими рассуждениями», – отмечает Сошников.
Что в итоге?
Генеративный искусственный интеллект – сравнительно новая и постоянно развивающаяся технология. Вероятно, в будущем возникнут новые вопросы и проблемы, но, с другой стороны, каждый день в сфере ИИ появляются альтернативные решения, применяются нововведения и разрешаются сложные задачи. Будущее вызывает тревогу, но оно же и дарует надежду.
Материал подготовлен при поддержке Минобрнауки России