MIT News omawia wpływ sztucznej inteligencji generatywnej na środowisko w dwuodcinkowej serii. Ten artykuł analizuje wysokie zużycie zasobów przez tę technologię, podczas gdy kolejny skupi się na strategiach minimalizowania jej śladu węglowego. Sztuczna inteligencja generatywna obiecuje różnorodne korzyści, takie jak zwiększenie wydajności i postępy w badaniach, ale jej szybki rozwój prowadzi do istotnych problemów środowiskowych, które są trudne do oceny lub złagodzenia. Szkolenie modeli z miliardami parametrów, takich jak GPT-4 od OpenAI, wymaga ogromnej mocy obliczeniowej, co skutkuje wysokim zużyciem energii elektrycznej i zwiększoną emisją dwutlenku węgla. Oprócz energii elektrycznej, istotne zasoby wodne są potrzebne do chłodzenia sprzętu do treningu i wdrożeń, co może obciążać lokalne zasoby wodne i zakłócać ekosystemy. Wzrost w zastosowaniach AI generatywnej zwiększa również zapotrzebowanie na zaawansowany sprzęt komputerowy, co dodatkowo obciąża środowisko wskutek jego produkcji i transportu. Elsa A. Olivetti, profesor na MIT, zauważa, że wpływ na środowisko wykracza poza zużycie energii elektrycznej i ma szersze konsekwencje systemowe. Centra danych, które są kluczowe dla hostowania modeli AI generatywnej, w znaczący sposób przyczyniają się do problemów środowiskowych. Te centra wymagają ogromnych ilości energii do swojej działalności.

Na przykład, pojedyncze centrum danych może pomieścić około 50 000 serwerów, a rosnące zapotrzebowanie na centra danych prowadzi do szybkiej budowy, znacznie wyprzedzającej zrównoważone praktyki. Prognozy sugerują, że do 2026 roku globalne zużycie energii elektrycznej przez centra danych może osiągnąć 1 050 terawatów. Szkolenie dużych modeli AI, takich jak GPT-3, ma poważne wymagania energetyczne, a badania szacują wysokie zużycie energii elektrycznej oraz znaczne emisje dwutlenku węgla. Co więcej, wymagania energetyczne nie ustają tylko podczas treningu, ale także podczas rzeczywistego użytkowania, co ilustruje fakt, że każda interakcja z AI generatywną wymaga znacznie więcej energii niż tradycyjne wyszukiwania w sieci. Obecne trendy sugerują, że przyszłe modele AI generatywnej będą potrzebować jeszcze więcej energii, a krótsze cykle życia będą prowadzić do częstych wydań nowych modeli. Taki cykl marnuje energię wydatkowaną na wcześniejsze wersje. Zużycie wody przez centra danych również stwarza poważne wyzwania środowiskowe, ponieważ wymagane są znaczne ilości wody do chłodzenia, co wpływa na lokalną bioróżnorodność. Koszty środowiskowe związane z produkcją samego sprzętu komputerowego—od GPU do CPU—są znaczne z powodu skomplikowanych procesów produkcyjnych i metod wydobycia zasobów. Pomimo tego niesustainable kierunku, autorzy proponują, że odpowiedzialny rozwój sztucznej inteligencji generatywnej wymaga dokładnej oceny jej kosztów środowiskowych i społecznych w zestawieniu z postrzeganymi korzyściami. Olivetti podkreśla potrzebę kontekstowego zrozumienia, aby ocenić i zrozumieć te ewoluujące kompromisy.