Generatywna AI to jedno z najbardziej ekscytujących osiągnięć technologicznych ostatnich lat – nagle zwykły PC-et zyskał możliwości, które jeszcze niedawno wydawały się czystą fantastyką. Tworzenie fantazyjnych obrazów, analizowanie danych giełdowych, czy obsługa głosowa klienta/użytkownika z wykorzystaniem audio-bota to tylko kilka z przykładów jej zastosowania. Praktycznie nieograniczony potencjał tego typu rozwiązań sprawił, że ChatGPT, Copilot czy też Grok błyskawicznie zyskały miliony użytkowników, wykorzystujących ich możliwości do najróżniejszych celów.
Duże modele językowe, nieco na wyrost nazywane sztuczną inteligencję, w ciągu kilkunastu miesięcy zmieniły sposób, w jaki podchodzimy do komunikacji, edukacji oraz kreatywności. Jednak za tą rewolucją stoją znaczące koszty energetyczne i środowiskowe. Warto więc zadać sobie pytanie – czy rozwój generatywnych AI może współistnieć z dążeniami do ograniczenia śladu węglowego i ochrony zasobów naturalnych?
Energetyczny apetyt generatywnej AI
Każde zapytanie skierowane do takich narzędzi jak ChatGPT to proces wymagający przetwarzania ogromnych ilości danych w centrach serwerowych. Procesy te wymagają nie tylko znacznej mocy obliczeniowej, ale również intensywnego chłodzenia serwerów, co dodatkowo podbija zużycie energii. Szacuje się, że opracowanie zaawansowanego modelu, takiego jak GPT-4, pochłania tyle energii, ile przeciętne amerykańskie gospodarstwo domowe zużywa w ciągu ponad sześciu tysięcy lat.
Nie tylko trening modeli wymaga ogromnych zasobów. Równie dużym wyzwaniem jest ich codzienna eksploatacja. Zwykłe zapytanie do ChatGPT może zużyć od 10 do 50 razy więcej energii niż standardowe wyszukiwanie w Google. Przy miliardach zapytań rocznie generatywna AI mogłaby w przyszłości dorównać rocznemu zużyciu energii takich krajów jak Holandia.
Woda jako ukryty koszt
Wielu użytkowników nie zdaje sobie sprawy, że centra danych wykorzystują ogromne ilości wody do chłodzenia swoich systemów. Szacuje się, że każde 50 zapytań do ChatGPT pochłania tyle wody, ile potrzeba do wyprodukowania pół litra napoju. Na skalę globalną oznacza to miliony litrów wody dziennie, co może prowadzić do problemów w regionach cierpiących na niedobory tego surowca.
Ponadto proces chłodzenia centrów danych może prowadzić do wzrostu temperatur w otoczeniu, co dodatkowo obciąża lokalne ekosystemy. Na przykład w regionach, gdzie woda jest ograniczonym zasobem, intensywne zużycie wody przez centra danych może nasilać problemy związane z suszą lub ograniczoną dostępnością wody pitnej.
Wyzwania w pomiarze wpływu na środowisko
Dokładne oszacowanie śladu węglowego generatywnych AI pozostaje problematyczne. Firmy technologiczne rzadko publikują szczegółowe dane na temat zużycia energii i emisji gazów cieplarnianych związanych z treningiem i eksploatacją modeli AI. Naukowcy muszą polegać na szacunkach opartych na sprzedaży sprzętu czy lokalizacji centrów danych. Według badań, obecne modele AI mogą zużywać od 5,7 do 8,9 TWh rocznie, co stanowi tylko ułamek globalnego zużycia energii przez centra danych (460 TWh w 2022 roku).
Niepewności w ocenie emisji zwiększają ograniczenia w dostępie do informacji o sposobie zarządzania energią w centrach danych. Dodatkowo brak jednolitych standardów raportowania emisji utrudnia porównania między firmami i krajami. W rezultacie rzeczywisty wpływ na środowisko może być (i znając życie – jest) znacznie większy niż obecne szacunki.
Czy AI może pomóc środowisku?
Pomimo swoich kosztów środowiskowych generatywne AI mają potencjał do pozytywnego wpływu na inne sektory. Narzędzia te już teraz są wykorzystywane do poprawy efektywności energetycznej budynków, optymalizacji transportu czy przewidywania pogody. Według ekspertów AI mogłaby przyczynić się do redukcji globalnych emisji gazów cieplarnianych o 5-10% do 2030 roku.
Jednym z przykładów jest zastosowanie AI w energetyce odnawialnej. Modele generatywne mogą analizować ogromne zbiory danych pogodowych, co pozwala na lepsze zarządzanie produkcją energii z paneli słonecznych i turbin wiatrowych. W ten sposób można minimalizować straty energii i zwiększać stabilność sieci energetycznych. AI może też pomóc w przewidywaniu zapotrzebowania na energii, co pozwala lepiej dopasować produkcję do rzeczywistych potrzeb użytkowników.
W rolnictwie sztuczna inteligencja jest wykorzystywana do optymalizacji zużycia wody i nawozów, co zmniejsza presję na zasoby naturalne. Sensory zintegrowane z AI mogą monitorować stan gleby i przewidywać plony, pomagając rolnikom podejmować bardziej świadome decyzje.
Nowe technologie dla bardziej efektywnych AI
Aby zmniejszyć ślad węglowy generatywnych AI, konieczne są innowacje technologiczne. Nowe układy scalone, takie jak “superczipy” opracowane przez NVIDIA, mogą znacząco obniżyć zużycie energii przy jednoczesnym wzroście wydajności. Podobnie zaawansowane systemy chłodzenia, jak zanurzeniowe czy zamknięte obiegi wodne, mogą ograniczyć zapotrzebowanie na wodę.
Równie istotne jest optymalizowanie algorytmów. Mniejsze modele, dostosowane do specyficznych zadań, mogą oferować podobne korzyści przy znacznie niższych kosztach energetycznych. Przyjęcie takich rozwiązań mogłoby zmniejszyć obciążenie globalnych sieci energetycznych.
Zaawansowane technologie, takie jak procesory 3D czy nowe metody obliczeń kwantowych, otwierają możliwości dla bardziej efektywnego zarządzania zasobami obliczeniowymi. Wykorzystanie tych technologii może przyczynić się do znaczącej redukcji emisji związanych z operacjami AI.
Rola regulacji i odpowiedzialności
Eksperci podkreślają, że regulacje prawne mogłyby odegrać kluczową rolę w minimalizowaniu środowiskowego wpływu AI. Obowiązek raportowania zużycia energii oraz emisji przez firmy technologiczne byłby krokiem w kierunku większej transparentności. Ponadto wprowadzenie standardów efektywności dla centrów danych mogłoby zachęcać do inwestycji w bardziej zrównoważone technologie.
Kampanie edukacyjne mogłyby również przyczynić się do świadomego korzystania z AI przez konsumentów. Zrozumienie kosztów środowiskowych związanych z technologią mogłoby zmniejszyć nadmierne używanie zasobożernych modeli.
Generatywna AI w erze zmian klimatycznych
Przyszłość generatywnych AI będzie zależeć od tego, czy uda się zbilansować ich przydatność z kosztami środowiskowymi. Bez odpowiednich działań istnieje spore ryzyko, że technologie te staną się ogromnym obciążeniem dla systemów energetycznych. Z kolei przy odpowiedzialnym podejściu mogą one odegrać kluczową rolę w rozwiązywaniu globalnych wyzwań, takich jak zmiana klimatu, efektywność energetyczna czy zarządzanie zasobami naturalnymi.
Generatywne AI oferują ogromny potencjał, ale wymagają bardziej zrównoważonego podejścia do ich rozwoju i implementacji. Współpraca między firmami technologicznymi i naukowcami będzie kluczowa dla zminimalizowania środowiskowego wpływu tej technologii i maksymalizacji korzyści z niej płynących.
Aby technologia mogła odgrywać pozytywną rolę w przyszłości, konieczne jest rozwijanie bardziej efektywnych narzędzi. Oprócz wspomnianych innowacji, kluczowym elementem mogłyby być inicjatywy wspierające odpowiedzialne korzystanie z AI. Na przykład, ograniczenie zasobożernego wykorzystania modeli na rzecz bardziej skondensowanych rozwiązań mogłoby znacząco wpłynąć na łączne zapotrzebowanie na energii. Działania w tym kierunku pozwoliłyby na harmonijne współistnienie nowoczesnej technologii z dążeniami do ochrony naszej planety.
Realne wyzwania i dylematy
Nie brakuje jednak wyzwań. Wdrożenie bardziej zrównoważonych metod wymaga inwestycji oraz czasu. Nie każda firma technologiczna jest gotowa na zmniejszenie tempa rozwoju, nawet jeśli oznaczałoby to korzyści środowiskowe. Ponadto, technologia ta jest wciąż młoda, co sprawia, że pełen obraz jej wpływu na środowisko może nie być jeszcze widoczny.
Jednym z największych wyzwań pozostaje jednak zmiana podejścia konsumentów i użytkowników. Czy każdy powinien mieć łatwy dostęp do narzędzi generujących fotorealistyczne obrazy lub realistyczne głosy? Czy zasoby, które dziś wykorzystuje generatywna AI, są dobrze alokowane, czy może powinny być skierowane na rozwiązanie bardziej palących problemów, takich jak zmiany klimatyczne czy kryzysy społeczne?
Balans między rozwojem a odpowiedzialnością
Technologie generatywnej AI znajdują się obecnie na etapie dynamicznego rozwoju, a ich pełny potencjał wciąż pozostaje nieodkryty. Równocześnie rosnące zapotrzebowanie na zasoby niezbędne do ich funkcjonowania zmusza do refleksji nad dalszym kierunkiem rozwoju. Wybór nie musi polegać na rezygnacji z technologii, ale na wdrażaniu odpowiedzialnych rozwiązań, które pozwolą na minimalizację jej negatywnego wpływu na środowisko. W przeciwnym razie ryzykujemy, że rewolucja technologiczna, która miała zmieniać świat na lepsze, może przyczynić się do jego degradacji.
Obecnie kluczowe wydaje się znalezienie złotego środka między innowacjami a troską o środowisko. Tylko odpowiedzialne podejście pozwoli w pełni wykorzystać potencjał AI, jednocześnie minimalizując jej negatywne skutki.
źródło: sciencenews.org, weforum.org, polytechnique-insights.com