Generative AI เป็นหมูพลังงาน เทคโนโลยีนี้คุ้มค่ากับต้นทุนด้านสิ่งแวดล้อมหรือไม่?

มันอาจดูเหมือนเป็นเวทย์มนตร์ พิมพ์คำขอลงใน ChatGPT คลิกปุ่มและ — presto! — นี่คือการวิเคราะห์ห้าย่อหน้าของเช็คสเปียร์แฮมเล็ตและเขียนด้วยอักษรเพนทามิเตอร์แบบแอมบิกเป็นโบนัสเพิ่มเติม หรือบอก DALL-E เกี่ยวกับสัตว์ที่เพ้อฝันจากความฝันของคุณ แล้วก็ได้ภาพลูกผสมระหว่างตุ๊กแก-หมาป่า-ปลาดาว หากคุณรู้สึกไม่สบายให้โทรหา“ผี” ดิจิทัลของคุณยายผู้ล่วงลับของคุณและได้รับความสบายใจบ้าง (SN: 15/6/24 น. 10-

แม้ว่ามันอาจดูเป็นอย่างไร แต่ก็ไม่มีสิ่งใดเกิดขึ้นจากอากาศบางๆ การโต้ตอบทุกครั้งกับแชทบอทหรือระบบ AI เจนเนอเรชั่นอื่นๆ จะส่งผ่านสายไฟและสายเคเบิลไปยังศูนย์ข้อมูล ซึ่งเป็นโกดังที่เต็มไปด้วยเซิร์ฟเวอร์สแต็กที่ส่งข้อความแจ้งเหล่านี้ผ่านพารามิเตอร์นับพันล้าน (และอาจล้านล้าน) ที่กำหนดวิธีที่โมเดลเจนเนอเรชั่นตอบสนอง

การประมวลผลและการตอบรับข้อความแจ้งจะกินไฟฟ้า เช่นเดียวกับโครงสร้างพื้นฐานที่รองรับ เช่น พัดลมและเครื่องปรับอากาศที่ทำให้เซิร์ฟเวอร์เย็นลง นอกจากบิลค่าสาธารณูปโภคจำนวนมากแล้ว ผลที่ตามมาก็คือการปล่อยก๊าซคาร์บอนที่ทำให้สภาพภูมิอากาศร้อนขึ้นอีกจำนวนมาก การผลิตไฟฟ้าและการระบายความร้อนของเซิร์ฟเวอร์ยังดูดน้ำจำนวนมาก ซึ่งใช้ในเชื้อเพลิงฟอสซิลและการผลิตพลังงานนิวเคลียร์ และระบบกระจายความร้อนแบบระเหยหรือของเหลว

ในปีนี้ ในขณะที่ความนิยมของ generative AI ยังคงเพิ่มขึ้นอย่างต่อเนื่อง นักอนุรักษ์สิ่งแวดล้อมก็ได้ส่งสัญญาณเตือนเกี่ยวกับเทคโนโลยีที่ต้องใช้ทรัพยากรนี้ การถกเถียงเกี่ยวกับวิธีการชั่งน้ำหนักต้นทุนเทียบกับผลประโยชน์ที่จับต้องได้น้อยกว่าที่ AI สร้างสรรค์นำมา เช่น ผลผลิตที่เพิ่มขึ้นและการเข้าถึงข้อมูล นั้นมีการแบ่งแยกทางอุดมการณ์อย่างแพร่หลายในวัตถุประสงค์และคุณค่าของเทคโนโลยี

ผู้สนับสนุนโต้แย้งว่าการปฏิวัติครั้งล่าสุดใน AI เป็นผลดีต่อสังคม แม้กระทั่งความจำเป็น ซึ่งนำเราเข้าใกล้ปัญญาประดิษฐ์ทั่วไปมากขึ้นกว่าเดิม ระบบคอมพิวเตอร์ที่มีความสามารถสูง ซึ่งบางคนแย้งว่าอาจเป็นเทคโนโลยีที่เปลี่ยนกระบวนทัศน์ทัดเทียมกับแท่นพิมพ์หรืออินเทอร์เน็ต

Generative AI “เป็นตัวเร่งสำหรับทุกสิ่งที่คุณต้องการทำ” Rick Stevens รองผู้อำนวยการห้องปฏิบัติการของ Argonne National Laboratory และนักวิทยาศาสตร์คอมพิวเตอร์จากมหาวิทยาลัยชิคาโกกล่าว ในความเห็นของเขา เทคโนโลยีดังกล่าวได้เพิ่มผลผลิตที่สำคัญให้กับธุรกิจและนักวิจัยแล้ว

การวิเคราะห์ชิ้นหนึ่งพบว่าประสิทธิภาพเพิ่มขึ้น 40 เปอร์เซ็นต์เมื่อคนงานที่มีทักษะใช้เครื่องมือ AI เขากล่าว ผู้ช่วย AI สามารถเพิ่มการเรียนรู้คำศัพท์ในโรงเรียนได้ เขากล่าวเสริม หรือช่วยให้แพทย์วินิจฉัยและรักษาผู้ป่วย และปรับปรุงการเข้าถึงข้อมูลทางการแพทย์ Charlotte Bease นักวิจัยสหวิทยาการจากมหาวิทยาลัย Uppsala ในสวีเดน ผู้ศึกษาข้อมูลด้านสุขภาพ กล่าว เจเนอเรชั่นเอไออาจช่วยนักวางผังเมืองลดการจราจร (และลดการปล่อยก๊าซคาร์บอนในกระบวนการ) หรือช่วยให้หน่วยงานของรัฐพยากรณ์อากาศได้ดีขึ้น Priya Donti วิศวกรไฟฟ้าและนักวิทยาศาสตร์คอมพิวเตอร์ของ MIT และผู้ร่วมก่อตั้ง Climate Change AI ที่ไม่แสวงหากำไรกล่าว . รายการดำเนินต่อไป

ขณะนี้ ในช่วงหัวเลี้ยวหัวต่อที่สำคัญนี้ ผู้เชี่ยวชาญจากสาขาต่างๆ เช่น เศรษฐศาสตร์ วิศวกรรมคอมพิวเตอร์ และความยั่งยืน กำลังทำงานเพื่อประเมินภาระที่แท้จริงของเทคโนโลยี

ChatGPT และเครื่องมือสร้างอื่น ๆ กำลังหิวโหย Alex de Vries ผู้ก่อตั้งหน่วยงานวิจัยและที่ปรึกษา Digiconomist และปริญญาเอกกล่าว ผู้สมัครที่ Vrije Universiteit Amsterdam “ยิ่งคุณสร้างโมเดลเหล่านี้ให้ใหญ่ขึ้น ยิ่งมีพารามิเตอร์มาก ข้อมูลก็จะยิ่งมากขึ้น พวกมันก็จะทำงานได้ดียิ่งขึ้น แต่แน่นอนว่า ขนาดใหญ่กว่านั้นยังต้องใช้ทรัพยากรคอมพิวเตอร์มากขึ้นในการฝึกอบรมและดำเนินการ ซึ่งต้องใช้พลังงานมากขึ้น” de Vries ผู้ศึกษาผลกระทบต่อสิ่งแวดล้อมของเทคโนโลยี เช่น สกุลเงินดิจิตอลและ AI กล่าว “ใหญ่กว่านั้นทำงานได้ดีกว่าสำหรับ generative AI แต่ใช้ไม่ได้กับสิ่งแวดล้อม”

การฝึกอบรมโมเดล AI เชิงสร้างสรรค์เพื่อแยกการวิเคราะห์ของเช็คสเปียร์หรือภาพลักษณ์ของสัตว์มหัศจรรย์นั้นมีค่าใช้จ่ายสูง กระบวนการนี้เกี่ยวข้องกับการพัฒนาสถาปัตยกรรม AI การรวบรวมและจัดเก็บข้อมูลดิจิทัลจำนวนมาก จากนั้นให้ระบบ AI นำเข้าและรวมข้อมูลนั้น ซึ่งสามารถเท่ากับทุกสิ่งที่เปิดเผยต่อสาธารณะบนอินเทอร์เน็ต เข้าสู่กระบวนการตัดสินใจ การสร้างโมเดลให้มีความเหมือนมนุษย์มากขึ้นและหลีกเลี่ยงการตอบสนองที่ไม่ปลอดภัยต้องใช้ความพยายามเพิ่มเติม (SN: 27/1/24, น. 18-

ทั้งหมดนี้บอกว่าการฝึกอบรมโมเดลเดียวใช้พลังงานมากกว่าบ้านในสหรัฐฯ 100 หลังในหนึ่งปี การสอบถาม ChatGPT ใช้ aboutพลังงานมากกว่าการค้นหาออนไลน์มาตรฐานถึง 10 เท่าตามที่สำนักงานพลังงานระหว่างประเทศ นักวิจัยบางคนคาดการณ์ว่าการเขียนอีเมลด้วยแชทบอท AI อาจใช้พลังงานมากกว่าการชาร์จ iPhone 16 จนเต็มถึง 7 เท่า

แม้ว่าการฝึกอบรมจะเป็นทรัพยากรที่แย่มาก แต่เมื่อผู้คนหลายล้านคนต้องใช้แชทบอทในการทำงานในแต่ละวัน Shaolei Ren วิศวกรไฟฟ้าและคอมพิวเตอร์จากมหาวิทยาลัยแคลิฟอร์เนีย ริเวอร์ไซด์ กล่าว มากเสียจนภาค AI สามารถทำได้ในไม่ช้าดึงพลังงานได้มากเท่ากับเนเธอร์แลนด์ทุกปีเดอ ไวรีส์ ประมาณปี 2023จูล- เมื่อพิจารณาจากการเติบโตอย่างรวดเร็วของ generative AI วิถีปัจจุบันจึงเกินกว่าที่คาดการณ์ไว้แล้ว

และนั่นเป็นเพียงไฟฟ้าข้อความค้นหา ChatGPT สิบถึง 50 รายการใช้น้ำครึ่งลิตรตามการวิเคราะห์ในปี 2023 โดย Ren และเพื่อนร่วมงาน นั่นกลายเป็นการดูถูกดูแคลนอย่างมากเช่นกัน เขากล่าว ลดลงไปสี่เท่า

วิศวกรและผู้เชี่ยวชาญด้าน AI บางคนโต้แย้งตัวเลขเหล่านี้ “ฉันไม่เข้าใจว่าวิทยาศาสตร์อยู่เบื้องหลัง [ประมาณการ] เหล่านี้อย่างไร” David Patterson วิศวกรของ Google และศาสตราจารย์กิตติคุณจากมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์กล่าว “วิธีเดียวที่ฉันสามารถจินตนาการได้ว่าจะได้รับคำตอบที่ [แม่นยำ] ก็คือความร่วมมืออย่างใกล้ชิดกับบริษัทอย่าง Google”

ตอนนี้มันเป็นไปไม่ได้ บริษัทเทคโนโลยีเปิดเผยข้อมูลที่จำกัดเกี่ยวกับศูนย์ข้อมูลและโมเดล AI ของพวกเขา de Vries และ Ren กล่าว ดังนั้นจึงเป็นเรื่องยากที่จะประเมินต้นทุน AI ตั้งแต่ตั้งแต่เริ่มต้นจนถึงขั้นเริ่มต้นอย่างแม่นยำหรือคาดการณ์อนาคต ในการประมาณการ นักวิจัยทั้งสองอาศัยพร็อกซี เช่น หมายเลขการผลิตเซิร์ฟเวอร์ AI จากบริษัทเทคโนโลยี Nvidia หรือการรวมความรู้เกี่ยวกับที่ตั้งศูนย์ข้อมูลเข้ากับข้อมูลจากรายงานความยั่งยืนขององค์กร

อย่างไรก็ตาม แนวโน้มในโลกแห่งความเป็นจริงชี้ให้เห็นถึงความกระหายพลังงานอันล้นหลามของ AI เป็นเวลาหลายทศวรรษก่อนที่ generative AI จะบูม ประสิทธิภาพที่เพิ่มขึ้นได้ชดเชยความต้องการพลังงานที่เพิ่มขึ้นซึ่งมาพร้อมกับการขยายตัวในศูนย์ข้อมูลและคอมพิวเตอร์ Andrew Chien นักวิทยาศาสตร์คอมพิวเตอร์จากมหาวิทยาลัยชิคาโกกล่าว ที่มีการเปลี่ยนแปลง ภายในสิ้นปี 2020 การขยายศูนย์ข้อมูลเริ่มแซงหน้าการปรับปรุงประสิทธิภาพ เขากล่าว การใช้พลังงานที่รายงานด้วยตนเองของ Google และ Microsoft เพิ่มขึ้นกว่าสองเท่าระหว่างปี 2562 ถึง 2566 การเปิดตัว ChatGPT เมื่อปลายปี 2565 ได้จุดประกายให้เกิดความคลั่งไคล้ด้าน AI มากขึ้น ทำให้ปัญหานี้รุนแรงขึ้น Chien กล่าว ก่อนปี 2022 ความต้องการพลังงานทั้งหมดในสหรัฐอเมริกาคงที่มาเป็นเวลาประมาณ 15 ปี ตอนนี้มันกำลังเพิ่มขึ้น

“วิธีที่ง่ายที่สุดในการประหยัดพลังงานคือการไม่ทำอะไรเลย” แพตเตอร์สันกล่าว แต่ “ความก้าวหน้าเกี่ยวข้องกับการลงทุนและต้นทุน” Generative AI เป็นเทคโนโลยีที่ยังใหม่มาก และการหยุดเดี๋ยวนี้จะขัดขวางศักยภาพของมัน เขาให้เหตุผล “ยังเร็วเกินไปที่จะรู้ว่า [Generative AI] ไม่เพียงชดเชยการลงทุนเท่านั้น”

เส้นทางที่ยั่งยืนยิ่งขึ้นสำหรับ AI

การตัดสินใจไม่จำเป็นต้องอยู่ระหว่างการปิดการพัฒนา AI เชิงสร้างสรรค์ทั้งหมดหรือปล่อยให้ดำเนินการต่อไปอย่างไม่มีข้อจำกัด ผู้เชี่ยวชาญส่วนใหญ่สังเกตว่ามีวิธีที่มีความรับผิดชอบมากกว่าในการเข้าถึงเทคโนโลยี ลดความเสี่ยง และเพิ่มผลตอบแทนสูงสุด

Lynn Kaack ผู้เชี่ยวชาญด้านวิทยาการคอมพิวเตอร์และนโยบายสาธารณะของ Hertie School ในกรุงเบอร์ลินกล่าวว่านโยบายที่กำหนดให้บริษัทต่างๆ เปิดเผยว่าพวกเขาใช้ Generative AI ที่ไหนและอย่างไร รวมถึงการใช้พลังงานที่สอดคล้องกัน ถือเป็นก้าวสำคัญในทิศทางที่ถูกต้อง การควบคุมการใช้เทคโนโลยีและการเข้าถึงเทคโนโลยีอาจเป็นเรื่องยาก แต่ Kaack กล่าวว่านั่นเป็นกุญแจสำคัญในการลดอันตรายต่อสิ่งแวดล้อมและสังคม

ตัวอย่างเช่น บางทีไม่ใช่ทุกคนควรจะสามารถสร้างโคลนเสียงและภาพที่เหมือนจริงได้อย่างอิสระเพียงคลิกเดียว เราควรเททรัพยากรจำนวนเท่ากันเพื่อสนับสนุนเครื่องสร้างมีมเหมือนกับที่เราทำในการรันโมเดลการพยากรณ์พายุเฮอริเคนหรือไม่

การวิจัยเพิ่มเติมเกี่ยวกับข้อจำกัดของเทคโนโลยีอาจช่วยลดการบริโภคที่ไร้ประโยชน์ได้มากมาย AI “มีประสิทธิภาพมากในแอปพลิเคชันบางประเภท แต่ไม่มีประโยชน์เลยในแอปพลิเคชันบางประเภท” Kaack กล่าว

ในขณะเดียวกัน ศูนย์ข้อมูลและนักพัฒนา AI สามารถดำเนินการเพื่อลดการปล่อยก๊าซคาร์บอนและการใช้ทรัพยากรได้ Chien กล่าว การเปลี่ยนแปลงง่ายๆ เช่น โมเดลการฝึกอบรมเฉพาะเมื่อมีพลังงานที่ปราศจากคาร์บอนเพียงพอบนกริด (เช่น ในวันที่มีแดดซึ่งแผงโซลาร์เซลล์ผลิตพลังงานส่วนเกิน) หรือการลดประสิทธิภาพของระบบลงเล็กน้อยในช่วงเวลาที่มีความต้องการพลังงานสูงสุดอาจสร้างความแตกต่างที่วัดได้ การเปลี่ยนการทำความเย็นแบบระเหยที่ใช้น้ำเข้มข้นด้วยการทำความเย็นแบบจุ่มของเหลวหรือกลยุทธ์แบบวงปิดอื่นๆ ที่ช่วยให้สามารถรีไซเคิลน้ำได้จะช่วยลดความต้องการได้เช่นกัน

แต่ละตัวเลือกเหล่านี้เกี่ยวข้องกับการแลกเปลี่ยน โดยทั่วไปแล้วระบบที่มีประสิทธิภาพคาร์บอนมากขึ้นจะใช้น้ำมากขึ้น Ren กล่าว ไม่มีวิธีแก้ปัญหาแบบใดที่เหมาะกับทุกคน ทางเลือกในการสำรวจและจูงใจตัวเลือกเหล่านี้ แม้ว่าจะทำให้บริษัทต่างๆ พัฒนาโมเดล AI ที่ใหญ่กว่านี้ได้ยากขึ้นเล็กน้อยก็ตาม ก็กำลังเสี่ยงต่อชะตากรรมด้านสิ่งแวดล้อมโดยรวมของเรา เขากล่าว

“ไม่มีเหตุผลที่จะเชื่อได้ว่าเทคโนโลยีจะช่วยเราได้” Chien กล่าว - แล้วทำไมไม่ป้องกันความเสี่ยงของเราล่ะ