MIT News käsittelee generatiivisen AI:n ympäristövaikutuksia kaksiosaisessa artikkelisarjassa. Tässä artikkelissa tarkastellaan teknologian suurta resurssikulutusta, kun taas seuraavassa keskitytään strategioihin hiilijalanjäljen vähentämiseksi. Generatiivinen AI lupaa monia etuja, kuten tuottavuuden parantamista ja tutkimuksen edistämistä, mutta sen nopea kasvu herättää merkittäviä ympäristöhälytyksiä, joita on vaikea kvantifioida tai lieventää. Mallien kouluttaminen, kuten OpenAI:n GPT-4, joka sisältää miljardeja parametreja, vaatii valtavasti laskentatehoja, mikä johtaa korkeaan sähkönkulutukseen ja lisääntyneisiin hiilidioksidipäästöihin. Sähkön lisäksi koulutus- ja käyttöönottojärjestelmien jäähdyttämiseen tarvitaan merkittäviä vesivaroja, mikä voi rasittaa paikallisia vesivarantoja ja häiritä ekosysteemejä. Generatiivisen AI:n sovellusten kasvava suosio lisää myös kehittyneiden tietokoneiden laitteistojen kysyntää, mikä aiheuttaa lisää ympäristökuormaa tuotannosta ja kuljetuksesta. Elsa A. Olivetti, professori MIT:ssä, huomauttaa, että ympäristövaikutukset ulottuvat sähkön käytön lisäksi laajempiin systeemisiin seurauksiin. Tietokeskukset, jotka ovat kriittisiä generatiivisten AI-mallien isännöinnissä, vaikuttavat merkittävästi ympäristöongelmiin. Nämä keskukset vaativat valtavasti energiaa toimiakseen.

Esimerkiksi yksi tietokeskus voi sisältää noin 50 000 palvelinta, ja kasvava kysyntä tietokeskuksille on johtanut nopeaan rakentamiseen, joka ylittää kestävät käytännöt. Ennusteet viittaavat siihen, että vuoteen 2026 mennessä globaalit tietokeskusten sähkönkulutukset voivat nousta 1 050 terawattiin. Suureiden AI-mallien, kuten GPT-3, koulutuksella on vakavia energian tarpeita, ja tutkimukset arvioivat korkeaa sähkönkulutusta ja merkittäviä hiilidioksidipäästöjä. Lisäksi energian tarpeet eivät rajoitu vain koulutukseen, vaan jatkuvat myös reaaliaikaisessa käytössä, kuten jokainen vuorovaikutus generatiivisen AI:n kanssa kuluttaa paljon enemmän sähköä kuin perinteiset verkkohaut. Nykyiset suuntaukset viittaavat siihen, että tulevat generatiiviset AI-mallit vaativat vielä enemmän energiaa, lyhyempien elinkaarien johtavat useisiin uusiin mallijulkaisuisiin. Tämä sykli hukkaa aikaisemmista versioista käytetyn energian. Tietokeskusten vesikulutus tuo myös merkittäviä ympäristöhaasteita, sillä suuri määrä jäähdytysvesiä on tarpeen, mikä vaikuttaa paikalliseen biologiseen monimuotoisuuteen. Ympäristökustannukset, jotka liittyvät itse laskentakoneen laitteiston— GPU:iden ja CPU:iden—tuotantoon ovat merkittäviä monimutkaisten valmistusprosessien ja resurssinlouhintamenetelmien vuoksi. Huolimatta kestämättömästä etenemisestä, kirjoittajat ehdottavat, että vastuullinen generatiivisen AI:n kehittäminen edellyttää perusteellista arviointia sen ympäristö- ja yhteiskunnallisista kustannuksista suhteessa sen havaittuihin etuihin. Olivetti korostaa kontekstuaalisen ymmärryksen tarvetta, jotta voidaan mitata ja ymmärtää näitä kehittyviä kauppaehtoja.