Például a ChatGPT által felhasznált energiamennyiség egy nemrég közzétett kutatás szerint 17 ezerszer több, mint egy átlagos amerikai háztartás energiaigénye.
A kutatók szerint ez még csak a kezdet, a mesterséges intelligencia modellek terjedésével exponenciálisan nő az energiafelhasználás is.
Egy szakmai lektorálás előtt álló tanulmány elsőként vizsgálta a generatív AI-modellek különböző felhasználási módjainak karbonlábnyomát. Sasha Luccioni, a Hugging Face AI-kutatója és csapata tíz népszerű feladathoz (például kérdéselemzés és válaszolás, szöveg- és képgenerálás, képosztályozás, feliratozás) kapcsolódó kibocsátásokat elemezte. A vizsgálatokat 88 különböző modellen végezték, és minden feladatnál a Code Carbon nevű eszközt használták, hogy felmérjék az energiafogyasztást és az abból eredő szén-dioxid-kibocsátást.
A legnagyobb energiaigényű és szén-dioxid-kibocsátású AI-feladat messze a képgenerálás volt: ezer kép létrehozása a Stable Diffusion XL modellel annyi szén-dioxidot termel, mintha egy átlagos benzines autóval 6,5 kilométert tennénk meg.
Ezzel szemben a legkevésbé káros szöveggeneráló modell ezer üzenetének előállítása mindössze annyi kibocsátást eredményez, mint, amikor egy autó egyetlen métert tesz meg. Bár a 6,5 kilométeres kibocsátás sem tűnik jelentősnek, a képgenerátorok iránti növekvő kereslet miatt ezek az értékek gyorsan összeadódnak – a fejlett AI-modelleket ma már napi szinten több millió alkalommal használják különböző alkalmazásokban.
A mesterséges intelligencia gyors térnyerése számos területen új lehetőségeket hoz, ugyanakkor új kihívásokat is felvet. (Fotó: Canva)
Egy, a Joule folyóiratban megjelent tanulmányban Alex de Vries adattudós, a Holland Nemzeti Bank munkatársa vázolta fel a jövő kilátásait. Szerinte, ha a Google úgy döntene, hogy minden keresés mögé mesterséges intelligenciát helyez, az éves szinten akár 29 milliárd kilowattóra energiafogyasztást is eredményezhetne.
Ez az érték messze meghaladná például Horvátország teljes éves energiaigényét.
De Vries úgy véli, hogy 2027-re, ha nem történik változás, az MI technológiák akár 85-134 terawattóra energiát is elhasználhatnak évente, ami a globális villamosenergia-fogyasztás fél százalékát is elérheti.
Szerencsére számos stratégia létezik az MI energiaköltségeinek csökkentésére. Az egyik ilyen megoldás az energiahatékonyabb hardverek és szoftverek fejlesztése. A kutatók speciális MI-csipek alkalmazását vizsgálják, amelyek sokkal hatékonyabban képesek elvégezni a szükséges számításokat, mint a hagyományos processzorok. Emellett az MI-algoritmusok optimalizálása is hozzájárulhat a modellek számítási igényének és energiafogyasztásának mérsékléséhez.
Egy másik, különösen érdekes megközelítés az, hogy magát a mesterséges intelligenciát is bevetik az energiafogyasztás optimalizálására.
Az MI például javíthatja az adatközpontok hatékonyságát, például a hűtési rendszerek és a szerverek kihasználtságának optimalizálásával. Ezen túlmenően, az MI kulcsszerepet játszhat a megújuló energiaforrásokra való átállásban, az intelligens hálózatok és energiatároló rendszerek irányításának és működésének finomhangolásával.
Forrás: FrontEndART
Kiemelt kép forrása: Canva
NRGreport
