Արհեստական ինտելեկտի (AI) ոլորտում քննարկումները հաճախ պտտվում են ապատեղեկատվության և մարդկանց աշխատատեղերի հնարավոր սպառնալիքի շուրջ: Այնուամենայնիվ, Բոստոնի համալսարանի պրոֆեսոր Քեյթ Սաենկոն ուշադրություն է հրավիրում մեկ այլ կարևոր մտահոգության՝ գեներատիվ AI գործիքների շրջակա միջավայրի վրա էական ազդեցության վրա:
Որպես AI հետազոտող՝ Սաենկոն մտահոգություն է հայտնում արհեստական ինտելեկտի մոդելների կառուցման էներգիայի ծախսերի վերաբերյալ: The Conversation-ի հոդվածում նա ընդգծում է. «Որքան ուժեղ է AI-ն, այնքան ավելի շատ էներգիա է խլում»:
Թեև Bitcoin-ի և Ethereum-ի նման կրիպտոարժույթների էներգիայի սպառումը լայն քննարկումների տեղիք է տվել, արհեստական ինտելեկտի արագ զարգացումը մոլորակի վրա ազդեցության նույն մակարդակի վրա չի ստացել:
Պրոֆեսոր Սաենկոն նպատակ ունի փոխել այս պատմությունը՝ ընդունելով սահմանափակ տվյալները, որոնք առկա են ածխածնի հետքի վերաբերյալ մեկ գեներատիվ AI հարցման: Այնուամենայնիվ, նա ընդգծում է, որ հետազոտությունը ցույց է տալիս, որ էներգիայի սպառումը չորսից հինգ անգամ ավելի է, քան պարզ որոնման համակարգի հարցումը:
2019 թվականի նշանավոր ուսումնասիրությունը ուսումնասիրում է արհեստական ինտելեկտի գեներատիվ մոդելը, որը կոչվում է Երկուղղորդված կոդավորիչի ներկայացումներ տրանսֆորմատորներից (BERT), որը բաղկացած է 110 միլիոն պարամետրից: Այս մոդելն իր ուսուցման գործընթացում մեկ անձի համար ծախսում էր շուրջերկրյա անդրմայրցամաքային թռիչքին համարժեք էներգիա՝ օգտագործելով գրաֆիկական մշակման միավորներ (GPU): Պարամետրերը, որոնք առաջնորդում են մոդելի կանխատեսումները և մեծացնում են բարդությունը, ճշգրտվում են վերապատրաստման ընթացքում՝ նվազեցնելու սխալները:
Համեմատության համար Սաենկոն բացահայտում է, որ OpenAI-ի GPT-3 մոդելը, ապշեցուցիչ 175 միլիարդ պարամետրով, սպառել է էներգիա, որը համարժեք է 123 բենզինով աշխատող մարդատար մեքենաներին, որոնք վարել են մեկ տարի կամ մոտավորապես 1,287 մեգավատ ժամ էլեկտրաէներգիա: Բացի այդ, այն ստեղծեց ապշեցուցիչ 552 տոննա ածխաթթու գազ: Հատկանշական է, որ էներգիայի այս ծախսը տեղի է ունեցել նախքան որևէ սպառող նույնիսկ սկսել օգտագործել մոդելը:
AI չաթ-բոտերի ժողովրդականության աճով, ինչպիսիք են Perplexity AI-ն և Microsoft-ի ChatGPT-ը, որոնք ինտեգրված են Bing-ին, իրավիճակը էլ ավելի է սրվում բջջային հավելվածների թողարկմամբ՝ այս տեխնոլոգիաները ավելի մատչելի դարձնելով ավելի լայն լսարանի համար:
Բարեբախտաբար, Սաենկոն կարևորում է Google-ի ուսումնասիրությունը, որն առաջարկում է տարբեր ռազմավարություններ՝ ածխածնի հետքը մեղմելու համար: Ավելի արդյունավետ մոդելային ճարտարապետությունների, պրոցեսորների և էկոլոգիապես մաքուր տվյալների կենտրոնների օգտագործումը կարող է էապես նվազեցնել էներգիայի սպառումը:
Թեև արհեստական ինտելեկտի մեկ մեծ մոդելը չի կարող ինքնուրույն կործանել շրջակա միջավայրը, Սաենկոն զգուշացնում է, որ եթե բազմաթիվ ընկերություններ ստեղծեն մի փոքր տարբեր AI բոտեր տարբեր նպատակների համար, որոնցից յուրաքանչյուրը սպասարկում է միլիոնավոր հաճախորդների, էներգիայի կուտակային օգտագործումը կարող է լուրջ մտահոգություն դառնալ:
Ի վերջո, Սաենկոն առաջարկում է, որ հետագա հետազոտությունները կարևոր են գեներատիվ AI-ի արդյունավետությունը բարձրացնելու համար: Հուսադրող կերպով նա ընդգծում է AI-ի ներուժը՝ վերականգնվող էներգիայի աղբյուրների վրա աշխատելու համար: Օպտիմիզացնելով հաշվարկը, որպեսզի համընկնի կանաչ էներգիայի առկայության հետ կամ տվյալների կենտրոններ տեղակայելով, որտեղ վերականգնվող էներգիան առատ է, արտանետումները կարող են կրճատվել 30-40-ով ուշագրավ գործակցով՝ համեմատելով հանածո վառելիքի գերակշռող ցանցերի վրա:
Եզրափակելով, թեև արհեստական ինտելեկտի պատճառով ապատեղեկատվության և աշխատատեղերի տեղահանման հետ կապված մտահոգությունները պահպանվում են, պրոֆեսոր Սաենկոյի շեշտադրումը գեներատիվ AI գործիքների շրջակա միջավայրի վրա ազդեցության վերաբերյալ կարևոր խնդիր է առաջացնում: Այն պահանջում է մեծացնել հետազոտությունները և նորարարական մոտեցումները՝ ապահովելու, որ AI զարգացումը համահունչ է կայունության նպատակներին: Դրանով մենք կարող ենք օգտագործել AI-ի ներուժը՝ միաժամանակ նվազագույնի հասցնելով դրա ածխածնի հետքը՝ այդպիսով ճանապարհ հարթելով դեպի ավելի կանաչ ապագա:
Աղբյուր՝ https://bitcoinworld.co.in/the-environmental-impact-of-artificial-intelligence-a-concern-beyond-misinformation-and-job-threats/