Zabrinutost zbog sve veće sve emisije ugljenika i globalnog zagrevanja usled ogromnog uspeha veštačke inteligencije nije se pojavila niotkuda. Naime, da bi bio funkcionalan i adekvatno odgovarao na upite korisnika, svaki novi četbot (i generator slika) se mora obučavati.
Proces razvoja i obuke zahteva ogromne količine električne energije – tačnije 1.287 GWh. Ta količina, koja je potrošena za obuku ChatGPT 3.5, iznosila je 1.287.000 kWh ili približno električnoj energiji koju godišnje troše 20 američkih domova, prenosi Bloomberg.
Izgleda da je Bitcoin (BTC), koji je na meti kritika zbog ogromne potrošnje energije jer troši istu količinu struje kao Argentina, dobio dostojnog rivala.
Problemi sa transparentnošću
Sektor veštačke inteligencije raste neverovatno brzo – možda čak i brže nego što smo spremni. Potencijalni problem sa tako brzim rastom, kada je reč o električnoj energiji, je odsustvo transparentnosti. Niko ne može tačno da odredi tačnu količinu i emisije ugljenika koje se pripisuju veštačkoj inteligenciji.
Emisije takođe mogu značajno da variraju u zavisnosti od vrste elektrana koje snabdevaju tu električnu energiju. Na primer, centar podataka koji dobija energiju iz elektrane na ugalj ili prirodni gas proizvodiće daleko više emisija u poređenju sa onim koji dobija struju iz solarnih ili vetroelektrana.
Izvor: OECD.AI
Neke kompanije su zaista dostavile podatke o svojoj potrošnji električne energije. Takođe, akademici su su uspeli da izračunaju količinu emisija nastale iz razvoja jednog modela. Ipak, nedostaje im široka procena ukupne količine električne energije koju uređaj troši.
Sasha Luccioni, istraživač pri AI kompaniji Hugging Face Inc, sprovela je istraživanje u kome je izračunat ugljenični otisak njene kompanije po imenu BLOOM, konkurenta ChatGPT-3. Na osnovu malog skupa podataka koji su javno dostupni, ona je takođe pokušala da predvidi isto za popularni ChatGPT sistem OpenAI-a.
Pričamo o ChatGPT-ju a ne znamo ništa o njemu. To može bit prava mačka u džaku.
Sasha Luccioni, istraživač veštačke inteligencije
potrebna transparentnost o potrošnji električne energije i emisiji ugljenika za AI modele
Prema Luccioni, istraživačima je potrebna transparentnost o potrošnji električne energije i emisiji ugljenika za AI modele. Imajući to na umu, vlade i kompanije mogu zaključiti da je korišćenje ChatGPT-ja i drugih AI modela za dijagnozu bolesti ili prevenciju i očuvanje autohtonih jezika vredno te potrošnje i emisija. Međutim, to možda neće biti slučaj sa pisanjem beskorisnih skripti ili knjiga koje nikada neće doživeti da budu objavljene ili generisanjem previše prostih slika.
Zašto je transparentnost toliko važna?
Po mišljenju istraživača, veća transparentnost će dovesti do većeg broja ispitivanja. Sećate se ogromne količine električne energije koja se troši na rudarenje Bitcoina? Pa, nezasitna žeđ za strujom naterala je Kinu da zabrani rudarenje i Njujork da uvede moratorijum na nove licence za rudarenje kriptovaluta.
Već smo spomenuli da je na obučavanje ChatGPT-ja utrošeno 1.287 GWh električne energije. Pored toga što je potrošeno toliko energije, došlo je do emisije 520 tone ugljenika. Istu količinu stvara 110 automobila u SAD za godinu dana. Takođe, važno je naglasiti da se ove brojke odnose na obučavanje samo jednog AI modela.
Ono što je još više otrežnjujuće jeste da obuka AI modela nije jednokratan posao. Naprotiv, AI alati se moraju iznova i iznova obučavati; u suprotnom, propustiće neke savremene informacije. Ovo dalje implicira da će biti potrebno više energije i da će se trošiti na procese ponovnih obuka. Kao rezultat toga, više električne energije dovodi do veće emisije ugljenika, što dalje dovodi do povećanog globalnog zagrevanja. Zvuči kao začarani krug, zar ne?
Obećanja o neutralnosti emisije ugljenika
Kako modeli postaju sve jači, renomirane AI kompanije neprestano rade na načinima da veštačku inteligenciju učine efikasnijom. Iako su se tri tehnološka giganta, Microsoft, Google i Amazon, obavezali da će biti neutralni ili čak negativni kada je u pitanju emisija ugljenika, niko od njih se ne trudi da otkrije koliko ugljenika emituju njihovi modeli veštačke inteligencije.
Google bi mogao biti među prvim kompanijama koje su uvele pristup smanjenju emisije ugljenika. Cilj je značajno smanjiti ugljenički otisak koji nastaje opterećenjem mašinskog učenja.
Trenutno se Google u potpunosti oslanja na obnovljive izvore kako bi zadovoljio svoje potrebe za električnom energijom. Kompanija je obećala da će dekarbonizirati potrošnju energije do 2030. konstantno radeći na energiji bez ugljenika.
Revolucionarni uticaj veštačke inteligencije
Iako veštačka inteligencija može predstavljati pretnju globalnom zagrevanju, ona takođe može dovesti do promena kada je u pitanju efekat staklene bašte.
AI nudi održiv put za ubrzavanje održive transformacije i smanjenje troškova u trenutku potrebe zahvaljujući svom kapacitetu da generiše dubinski uvid u mnoge aspekte ugljeničkog otiska. Velike kompanije su u posebno dobroj poziciji da iskoriste prednosti AI kapaciteta zbog njihove veličine, što im nudi pristup ogromnim skupovima podataka – ključni element uspeha za usvajanje AI.
Prema studiji, globalna emisija gasova sa efektom staklene bašte iznosila je 53 gigatona CO2e (ekvivalent ugljen-dioksida) u 2021. U 2023. godini predviđa se još povećanja. Da bi se postigli ciljevi postavljeni Pariskim sporazumom iz 2016 – ograničavanje porasta prosečne globalne temperature na 1,5°C – neophodno je smanjiti emisije za 50% do 2030. godine.
Ali kako AI može pomoći?
Najveća moć veštačke inteligencije je njen kapacitet za učenje zasnovan na iskustvu, ogromno prikupljanje podataka iz svog okruženja, intuitivne veze koje nedostaju ljudima i preporuka odgovarajućih akcija na osnovu njenih nalaza.
Kompanije mogu da koriste inženjering podataka zasnovan na veštačkoj inteligenciji za praćenje emisija tokom svog ugljeničkog otiska. Oni imaju priliku da prikupljaju podatke iz različitih aktivnosti, operacija i lanaca vrednosti. Veštačka inteligencija, s druge strane, može da koristi podatke iz novih izvora poput satelita. Takođe može proizvesti aproksimacije podataka koji nedostaju i izračunati stepen sigurnosti rezultata dodavanjem inteligencije podacima.
Dalje, prediktivna veštačka inteligencija može da predvidi buduće emisije i ugljenički otisak kompanije u vezi sa tekućim naporima da se emisije smanje, novim pristupima smanjenju ugljenika i očekivanom potražnjom. Kao posledica toga, oni će moći da definišu, modifikuju i ispunjavaju ciljeve smanjenja u skladu sa tim.
Nudeći dubok uvid u svaki korak u lancu vrednosti, propisana veštačka inteligencija i optimizacija mogu povećati efikasnost u proizvodnji, transportu i drugim oblastima, čime se smanjuju emisije ugljenika kao i troškovi.
