Технології штучного інтелекту (ШІ) переживають бум - не в останню чергу завдяки ажіотажу навколо таких нових додатків, як ChatGPT. Чат-бот був розроблений американською компанією OpenAI, яку підтримує концерн Microsoft. Одним із засновників OpenAI є Ілон Маск. ChatGPT здатний підтримувати бесіду, писати тексти, складати вірші та есе майже як людина. Його поява спровокувала гостру конкуренцію між світовими технологічними гігантами за виведення на ринок аналогічних і, можливо, досконаліших програм.

Інвестиції в штучний інтелект швидко зростають. Наразі світовий ринок ШІ оцінюють у 142,3 мільярда доларів, а до 2030 року очікується його зростання майже до двох трильйонів доларів.

Системи штучного інтелекту вже багато в чому присутні в повсякденному житті, допомагаючи людям, компаніям або урядам працювати ефективніше. Однак у цієї технології є і зворотний бік.

Навчання ШІ призводить до викидів сотень тонн СО2

Для того щоб ШІ міг виконувати поставлені завдання, йому необхідно освоїти величезні масиви даних. Щоб навчитися розпізнавати автомобіль, алгоритм повинен просіяти мільйони зображень машин. ChatGPT обробляє величезні текстові бази даних, щоб навчитися працювати з людською мовою.

Обробка інформації відбувається в центрах обробки даних (ЦОД). Вона потребує великих обчислювальних потужностей і є дуже енергомісткою. "На всю інфраструктуру таких центрів і мереж передачі даних припадає від двох до чотирьох відсотків викидів CO2 у світі. Це приблизно стільки ж, скільки викиди від авіаційних перевезень", - каже Анне Моллен (Anne Mollen) з берлінської неурядової організації Algorithmwatch.

У дослідженні 2019 року вчені з Массачусетського університету підрахували, що "навчання" одного великого пристрою штучного інтелекту може призвести до викиду до 284 тонн CO2-еквівалента - майже вп'ятеро більше, ніж викиди автомобіля за весь термін його виробництва та експлуатації.

"Коли я вперше ознайомилася з цими даними, була просто приголомшена. Коли ви летите на літаку з Лондона до Нью-Йорка, ваша емісія вуглекислого газу становить 986 кг. Але щоб навчити ШІ, ми викидаємо 284 тисяч кг. Чому б нам не поговорити про те, як зменшити цей вуглецевий слід", - розмірковує Бенедетта Бревіні, доцентка кафедри політичної економії Сіднейського університету та авторка книги "Is AI good for the planet?".

Щоправда, підрахунки в дослідженні Массачусетського університету стосувалися особливо енергоємної моделі ШІ. Простіші програми можуть працювати на ноутбуці і, відповідно, споживати менше енергії. Але системи, що працюють із так званим "глибоким навчанням", наприклад алгоритми, що курують контент соціальних мереж, або ChatGPT, вимагають досить значних обчислювальних потужностей.

Після завершення "етапу навчання" подальші викиди відбуваються під час роботи системи, що може відбуватися мільярди разів на день - наприклад, щоразу, коли онлайн-перекладач перекладає слово або чат-бот відповідає на запитання. На думку Моллен, на цей етап може припадати до 90 відсотків викидів за весь життєвий цикл ШІ.

Як можна зменшити "вуглецевий слід" ШІ?

"Ми повинні враховувати весь виробничий ланцюжок і всі пов'язані з ним екологічні проблеми, особливо енергоспоживання та викиди, а також токсичність матеріалів і відходи. Навіть на етапі розробки і навчання алгоритму", - вимагає Бревіні.

Замість того, щоб розробляти дедалі більші моделі ШІ, як це відбувається нині, дослідниця Algorithmwatch Моллен пропонує компаніям використовувати компактніші системи зі зменшеними наборами даних і проводити навчання ШІ на ефективнішому апаратному забезпеченні.

Робота центрів обробки даних у регіонах, де використовуються поновлювані джерела енергії і не потрібно багато води для охолодження, також може знизити "вуглецевий слід" ШІ. Наприклад, величезні ЦОД у США або Австралії, де викопне паливо становить основну частину енергобалансу, виробляють більше викидів, ніж центри в Ісландії, де використовують геотермальну енергію, а нижчі температури зовнішнього повітря полегшують охолодження серверів.