MIT News raspravlja o uticaju generativne AI na životnu sredinu u seriji od dva dela. Ovaj članak ispituje visok nivo potrošnje resursa tehnologije, dok će se sledeći fokusirati na strategije za minimiziranje njenog karbonskog otiska. Generativna AI obećava razne prednosti, kao što su poboljšanje produktivnosti i napredovanje istraživanja, ali njen brzi rast dovodi do značajnih ekoloških problema koji se teško kvantifikuju ili ublažavaju. Obučavanje modela sa milijardama parametara, poput OpenAI-ovog GPT-4, zahteva ogromnu računarstvo moć, što rezultira velikom potrošnjom struje i povećanim emisijama ugljen-dioksida. Pored električne energije, značajni vodni resursi su potrebni za hlađenje hardvera za obuku i implementaciju, što može opteretiti lokalne izvore vode i narušiti ekosisteme. Porast u aplikacijama generativne AI takođe povećava potražnju za naprednim računalnim hardverom, dodajući dalja ekološka opterećenja zbog njene proizvodnje i transporta. Elsa A. Olivetti, profesorka na MIT-u, ukazuje na to da uticaj na životnu sredinu prevazilazi samo korišćenje električne energije i ima šire sistemske posledice. Data centri, ključni za hosting generativnih AI modela, značajno doprinose ekološkim problemima. Ovi centri zahtevaju ogromne količine energije za svoje operacije. Na primer, jedan data centar može imati otprilike 50. 000 servera, a rastuća potražnja za data centrima dovela je do brze gradnje, daleko ispred održivih praksi.

Predikcije sugerišu da bi do 2026. godine globalna potrošnja električne energije u data centrima mogla dostići 1. 050 teravati. Obučavanje velikih AI modela, kao što je GPT-3, ima ozbiljne energetske zahteve, pri čemu studije procenjuju visoku potrošnju električne energije i značajne emisije ugljen-dioksida. Štaviše, energetski zahtevi ne opstaju samo tokom obuke, već i tokom korišćenja u realnom vremenu, što se očigledno vidi po tome što svaka interakcija sa generativnom AI troši mnogo više električne energije nego tradicionalna pretraživanja interneta. Trenutni trendovi sugerišu da će budući modeli generativne AI zahtevati još više energije, sa kraćim vekovima trajanja koji dovode do čestih novih izdanja modela. Ovaj ciklus rasipa energiju potrošenu na prethodne verzije. Potrošnja vode u data centrima takođe predstavlja značajne ekološke izazove, jer je potrebno značajno hlađenje vodom, što utiče na lokalnu biodiverzitet. Ekološki troškovi povezani sa proizvodnjom računalnog hardvera - od GPU-ova do CPU-ova - su značajni zbog složenih proizvodnih procesa i metoda vađenja resursa. Uprkos održivoj putanji, autori predlažu da odgovoran razvoj generativne AI zahteva temeljnu procenu njenih ekoloških i društvenih troškova uz njene percipirane koristi. Olivetti naglašava potrebu za kontekstualnim razumevanjem kako bi se izmerili i shvatili ovi razvijajući trade-offovi.