MIT News se zabývá environmentálním dopadem generativní AI ve dvoudílné sérii. Tento článek zkoumá vysokou spotřebu zdrojů technologií, zatímco příští část se zaměří na strategie pro minimalizaci jejího uhlíkového otisku. Generativní AI slibuje různé výhody, jako je zvyšování produktivity a pokrok v oblasti výzkumu, ale její rychlý růst vede k významným environmentálním obavám, které je obtížné kvantifikovat nebo zmírnit. Trénink modelů s miliardami parametrů, jako je GPT-4 od OpenAI, vyžaduje obrovskou výpočetní sílu, což má za následek vysokou spotřebu elektrické energie a zvýšené emise uhlíku. Kromě elektřiny jsou pro chlazení hardware potřebné také značné vodní zdroje, což může zatěžovat místní vodní zásoby a narušovat ekosystémy. Nárůst aplikací generativní AI také zvyšuje poptávku po pokročilém výpočetním hardwaru, což dále přidává environmentální tlak spojený s jeho výrobou a přepravou. Elsa A. Olivetti, profesorka na MIT, upozorňuje, že environmentální dopad sahá daleko za používání elektřiny a má širší systémové důsledky. Datová centra, klíčová pro hosting modelů generativní AI, výrazně přispívají k environmentálním problémům. Tato centra vyžadují obrovské množství energie pro svou činnost.

Například jediné datové centrum může obsahovat přibližně 50 000 serverů a rostoucí poptávka po datových centrech vedla k rychlé výstavbě, která daleko přesahuje udržitelné praktiky. Předpovědi naznačují, že do roku 2026 by spotřeba elektřiny globálních datových center mohla dosáhnout 1 050 terawattů. Trénink velkých AI modelů, jako je GPT-3, má vážné energetické požadavky, přičemž studie odhadují vysokou spotřebu elektřiny a značné emise uhlíku. Navíc energetické požadavky přetrvávají nejen během tréninku, ale i během reálného používání, jak ukazuje skutečnost, že každá interakce s generativní AI spotřebovává mnohem více elektřiny než tradiční webové vyhledávání. Aktuální trendy naznačují, že budoucí modely generativní AI budou vyžadovat ještě více energie, přičemž kratší životnost povede k častému uvádění nových modelů. Tento cyklus plýtvá energií vynaloženou na předchozí verze. Spotřeba vody v datových centrech také představuje značné environmentální výzvy, protože je potřeba výrazné množství chladicí vody, což ovlivňuje místní biodiverzitu. Environmentální náklady spojené s výrobou samotného výpočetního hardwaru—od GPU po CPU—jsou značné díky složitým výrobním procesům a metodám těžby zdrojů. I přes neudržitelný směr autoři navrhují, že odpovědný vývoj generativní AI vyžaduje důkladné posouzení jejích environmentálních a společenských nákladů vedle vnímaných přínosů. Olivetti zdůrazňuje potřebu kontextuálního pochopení k měření a porozumění těmto vyvíjejícím se kompromisům.