Скільки електроенергії насправді потрібно для використання АІ? Це може вас здивувати

Більшість із нас уже знає, що штучний інтелект потребує енергії. Навіть якщо ви не знаєте точних цифр, звинувачення в тому, що «штучний інтелект шкодить навколишньому середовищу», добре задокументоване і поширюється з різних джерел – від основної преси до науково-популярних каналів на YouTube і галузевих ЗМІ.

Проте індустрія штучного інтелекту, якою ми її знаємо сьогодні, молода. Хоча стартапи та великі технологічні фірми працюють над великими мовними моделями (LLM) з 2010-х років, випуск ШІ наприкінці 2022 року спричинив безпрецедентний «бум ШІ».

Менш ніж за три роки штучний інтелект став домінуючим у світових технологічних витратах, і дослідники тільки починають його кількісно оцінювати. Наприклад, у 2024 році компанії, що займаються ШІ, отримали 45% всіх венчурних інвестицій в технології в США, тоді як у 2022 році цей показник становив лише дев’ять відсотків. У середньостроковій перспективі такі відомі консалтингові фірми, як McKinsey, очікують, що витрати на інфраструктуру ШІ зростуть до 6,7 трильйона доларів до 2030 року; порівняйте цю цифру з 450 мільярдами доларів у 2022 році.

З огляду на це, дослідження впливу ШІ на клімат і навколишнє середовище можуть здаватися розпливчастими і розрізненими, оскільки аналітики намагаються визначити конкретні екологічні тенденції в умовах надзвичайного вибуху індустрії ШІ.

Нове дослідження MIT Technology Review намагається змінити цю ситуацію. Автори поспілкувалися з двома десятками експертів з ШІ, які працюють над виявленням впливу технології на клімат, проглянули «сотні сторінок» даних і звітів, а також опитали провідних розробників інструментів LLM, щоб отримати «всебічний погляд» на вплив індустрії.

«Зрештою, ми виявили, що в загальному розумінні енергоспоживання ШІ є багато прогалин», – пишуть автори. Це спонукало їх почати з малого і розглянути енергоспоживання одного LLM-запиту.

Починаючи з текстових LLM, вони виявили, що розмір моделі безпосередньо прогнозує попит на енергію, оскільки більші LLM використовують більше чіпів – і, відповідно, більше енергії – для обробки запитань. У той час як менші моделі, такі як Llama 3.1 8B від Meta, використовували приблизно 57 джоулів на відповідь (або 114 джоулів, якщо врахувати потужність охолодження та інші енергетичні потреби), більші моделі потребували 3 353 джоулів (або 6 706 джоулів), або, за оцінкою MIT Tech, достатньо для роботи мікрохвильової печі протягом восьми секунд.

Моделі ШІ, що генерують зображення, такі як Stable Diffusion 3 Medium, в середньому потребували 1141 джоуль (або 2282), щоб створити стандартне зображення розміром 1024 x 1024 пікселів – саме таке, яке швидко переповнює інтернет. Подвоєння якості зображення також подвоює споживання енергії до 4 402 джоулів, що дорівнює більш ніж п’яти секундам розігрівання в мікрохвильовій печі, але все одно менше, ніж у найбільшого мовного бота.

Створення відео – це те місце, де іскри дійсно починають літати. Найнижчій за якістю відеопрограмі ШІ, дев’ятимісячній версії Code Carbon, знадобилося вражаючі 109 000 джоулів, щоб видати низькоякісний фільм зі швидкістю 8 кадрів на секунду – «більше схожий на GIF-файл, ніж на відео», – зазначають автори дослідження.

Кращі моделі використовують набагато більше. Після нещодавнього оновлення той самий інструмент витрачає 3,4 мільйона джоулів на відтворення п’ятисекундного відео з частотою 16 кадрів на секунду, що еквівалентно роботі мікрохвильової печі протягом години.

Питання про те, багато це чи мало, залишається відкритим для дискусій. Увімкнути мікрохвильовку на кілька секунд – це небагато, але якщо кожен почне робити це сотні разів на день – або, у випадку з відео, годинами – це матиме величезний вплив на світове енергоспоживання. І, звісно, індустрія штучного інтелекту наразі тяжіє до моделей, які споживають більше енергії, а не менше.

Якщо зменшити масштаб, опитування MIT Tech також висвітлює деякі тенденції, що викликають занепокоєння.

Однією з них є загальне зростання енергоспоживання, що корелює з розвитком ШІ. У той час як енергоспоживання центрів обробки даних у США залишалося майже незмінним у період з 2005 по 2017 рік, до 2023 року, нашого першого повного року з масовим поширенням ШІ, їхнє енергоспоживання подвоїлося.

Станом на 2024 рік 4,4 відсотка всієї енергії, спожитої в США, припадало на центри обробки даних. Тим часом вуглецева інтенсивність дата-центрів – кількість викинутих вихлопних газів, що тануть як айсберг, по відношенню до використаної енергії – стала на 48% вищою, ніж у середньому по США.

Попри це, автори з MIT мають кілька застережень.

По-перше, ми не можемо зазирнути під капот моделей ШІ з закритим кодом, таких як ChatGPT від OpenAI, а більшість провідних титанів ШІ відмовилися долучатися до добросовісних ініціатив з картографування клімату, таких як AI Energy Score. Доки це не зміниться, будь-яка спроба визначити вплив такої компанії на клімат – це в кращому випадку постріл у нікуди.

Крім того, автори дослідження зазначають, що центри обробки даних самі по собі не є шкідливими для навколишнього середовища. «Якби всі дата-центри були підключені до сонячних панелей і працювали тільки тоді, коли світить сонце, світ набагато менше говорив би про енергоспоживання ШІ», – пишуть вони. Але, на жаль, «це не так».

У таких країнах, як США, енергосистема, що використовується для живлення центрів обробки даних, все ще значною мірою залежить від викопного палива, а зростаючий попит на негайне отримання енергії лише погіршує ситуацію. Наприклад, автори вказують на дата-центр Ілона Маска xAI за межами Мемфіса, який використовує 35 газогенераторів метану, щоб підтримувати роботу своїх чіпів, замість того, щоб чекати дозволу на підключення до цивільної електромережі.

Якщо галузь не буде змушена прийняти стратегії пом’якшення впливу ШІ на клімат – на кшталт тих, що викладені в Паризькій декларації дій щодо ШІ, – це буде лише початком руйнівного зростання викидів, що змінюють клімат.