SG.hu·
Az egekbe tolja a víz és az energia árát az MI
Az ENSZ jelentése kisebb modellek fejlesztését és a lakosság oktatását javasolja, hogy megismerjék ennek a technológiának az etikai és környezeti költségeit.
A generatív mesterséges intelligencia térnyerése „új és sürgető erőforrás-kihívásokat” jelent - állítja az Egyesült Nemzetek Nevelésügyi, Tudományos és Kulturális Szervezete (UNESCO). A szervezet a jelentésében arra figyelmeztet, hogy a modellek futtatásához szükséges számítási teljesítmény exponenciális növekedése „egyre nagyobb nyomást gyakorol a globális energiarendszerekre, a vízkészletekre és a kritikus ásványi anyagokra”. E hatások minimalizálása érdekében a jelentés hatékonyabb, kevesebb paraméterrel rendelkező modellek fejlesztését javasolja, valamint azt, hogy az emberek felelősségteljesen, rövid utasításokkal használják ezeket az eszközöket.
Az ENSZ ügynöksége számadatokkal támasztja alá a helyzetet. Az UNESCO szerint 1 milliárd ember használja naponta a generatív mesterséges intelligencia eszközeit. Minden interakció energiát fogyaszt, átlagosan 0,34 wattot. Ez évente 310 gigawattórát jelent, „ami megegyezik egy alacsony jövedelmű afrikai ország több mint hárommillió lakosának éves áramfogyasztásával”. Az MI-hez kapcsolódó energiaigény 100 naponta megduplázódik, ami további nyomást gyakorol a globális energiahálózatokra. „A fogyasztók nincsenek tisztában ezekkel a költségekkel, és a cégek keveset tettek azért, hogy felvilágosítsák őket” - hangsúlyozzák.
Ami a vízfogyasztást illeti, amelyet a processzorok hűtésére használnak az adatközpontokban, az UNESCO előrejelzései szerint a nagy mesterséges intelligencia fejlesztők - mint a Google, a Microsoft és a Meta - vízfogyasztása 2027-re megháromszorozódhat. Használatuk nem korlátozódik a rendszerek hűtésére: „a vizet széles körben használják az MI-t támogató hardver gyártásánál és építésénél, különösen az elektronikus alkatrészek hűtésére a gyártási fázisban” - áll a jelentésben. Az ENSZ becslései szerint az ilyenfajta igény 2027-re várhatóan 4,2-6,6 milliárd köbméter vizet fog fogyasztani, ami több, mint Dánia éves vízszükséglete.
"Ezek az igények nemcsak környezeti problémát jelentenek, hanem erőforrás-elosztási kihívást is” - figyelmeztet az UNESCO. „Erőforráshiányos körülmények között az energiaigényes MI-infrastruktúra bővítése közvetlenül versenyez a kritikus társadalmi szükségletekkel”. A jelentés kiemeli azt is, hogy a generatív MI előnyei nem oszlanak meg egyenletesen a társadalomban. Éppen ellenkezőleg: nehezebben jutnak el azokhoz a közösségekhez, amelyek nagyobb kockázatnak vannak kitéve ennek a technológiának a környezeti következményeitől.
Ebben a kontextusban, és feltételezve, hogy az MI fejlődése nem fog lassulni, az UNESCO három módszert javasol a technológia bolygóra gyakorolt negatív hatásának minimalizálására. Először is a modellek tömörítése, ami egy olyan folyamat, amely az MI-modellek alapjául szolgáló adatbázisok kvantálásával érhető el. "Megpróbáltuk csökkenteni az MI számításokban használt számok tizedesjegyeinek számát, és így akár 44%-os energiamegtakarítást értünk el, miközben a pontosság 97%-os szinten maradt” - magyarázza Leona Verdadero, az UNESCO digitális politikák szakértője és a tanulmány egyik vezetője, amelyet a University College London (Egyesült Királyság) együttműködésével készítettek.
Másodszor, Verdadero és kollégái megpróbálták csökkenteni mind az MI-eszközöknek adott utasítások (promptok) méretét, mind a gép által visszaadott válaszok hosszát. „A rövidebb válaszok akár 54%-kal kevesebb energiát jelentettek. Ezt és a szintézisesebb promptokat kombinálva 75%-os energiamegtakarítást értünk el” - hangsúlyozza a kutató. Végül Verdadero csapata kisebb, kevesebb paraméterrel betanított modelleket használt egyszerű feladatok elvégzésére. Már vannak tanulmányok, amelyek bizonyítják, hogy egy nagy modell akár 50-szer több szennyezést okozhat, mint egy kicsi, ha hasonló pontossággal végzi el az egyszerű feladatokat. "Amikor ezt a három stratégiát kombinálták, az energiafogyasztás összesen 90%-kal csökkent” - állapítja meg az UNESCO jelentése.
Az UNESCO által végzett kísérletek bizonyítják, hogy a generatív MI energiafogyasztása csökkenthető. Ehhez azonban nem elég, ha az iparnak ajánlásokat tesznek, például hogy fejlesszenek ki hatékonyabb modelleket: a csökkentés jelentős része akkor valósul meg, ha az emberek ésszerűen használják ezeket az eszközöket. „Az UNESCO fokozni fogja erőfeszítéseit az MI-ismeretek népszerűsítése érdekében” - jelzi Verdadero.
Az ügynökség útmutatókat készített a diákok számára, hogy segítsen nekik megérteni a mesterséges intelligencia környezeti hatásait. „Tervezzük, hogy iránymutatásokat adunk ki, amelyek segítenek minden felhasználónak megérteni, hogy az MI-rendszerekkel való minden interakciójuknak - például annak, hogy milyen hosszúak az utasítások és milyen gyakran használják őket - lehetnek környezeti és etikai következményei” - mondja. Ide tartozik a redundanciák kiküszöbölése a kérésekből vagy az udvariasság megszüntetése a gépekkel szemben: a ChatGPT üdvözlése vagy válaszainak megköszönése nem generál jobb eredményeket, hanem csak azt jelenti, hogy több adat kerül feldolgozásra, és így több erőforrás kerül felhasználásra, a végeredményre gyakorolt hatás nélkül.
A generatív mesterséges intelligencia térnyerése „új és sürgető erőforrás-kihívásokat” jelent - állítja az Egyesült Nemzetek Nevelésügyi, Tudományos és Kulturális Szervezete (UNESCO). A szervezet a jelentésében arra figyelmeztet, hogy a modellek futtatásához szükséges számítási teljesítmény exponenciális növekedése „egyre nagyobb nyomást gyakorol a globális energiarendszerekre, a vízkészletekre és a kritikus ásványi anyagokra”. E hatások minimalizálása érdekében a jelentés hatékonyabb, kevesebb paraméterrel rendelkező modellek fejlesztését javasolja, valamint azt, hogy az emberek felelősségteljesen, rövid utasításokkal használják ezeket az eszközöket.
Az ENSZ ügynöksége számadatokkal támasztja alá a helyzetet. Az UNESCO szerint 1 milliárd ember használja naponta a generatív mesterséges intelligencia eszközeit. Minden interakció energiát fogyaszt, átlagosan 0,34 wattot. Ez évente 310 gigawattórát jelent, „ami megegyezik egy alacsony jövedelmű afrikai ország több mint hárommillió lakosának éves áramfogyasztásával”. Az MI-hez kapcsolódó energiaigény 100 naponta megduplázódik, ami további nyomást gyakorol a globális energiahálózatokra. „A fogyasztók nincsenek tisztában ezekkel a költségekkel, és a cégek keveset tettek azért, hogy felvilágosítsák őket” - hangsúlyozzák.
Ami a vízfogyasztást illeti, amelyet a processzorok hűtésére használnak az adatközpontokban, az UNESCO előrejelzései szerint a nagy mesterséges intelligencia fejlesztők - mint a Google, a Microsoft és a Meta - vízfogyasztása 2027-re megháromszorozódhat. Használatuk nem korlátozódik a rendszerek hűtésére: „a vizet széles körben használják az MI-t támogató hardver gyártásánál és építésénél, különösen az elektronikus alkatrészek hűtésére a gyártási fázisban” - áll a jelentésben. Az ENSZ becslései szerint az ilyenfajta igény 2027-re várhatóan 4,2-6,6 milliárd köbméter vizet fog fogyasztani, ami több, mint Dánia éves vízszükséglete.
"Ezek az igények nemcsak környezeti problémát jelentenek, hanem erőforrás-elosztási kihívást is” - figyelmeztet az UNESCO. „Erőforráshiányos körülmények között az energiaigényes MI-infrastruktúra bővítése közvetlenül versenyez a kritikus társadalmi szükségletekkel”. A jelentés kiemeli azt is, hogy a generatív MI előnyei nem oszlanak meg egyenletesen a társadalomban. Éppen ellenkezőleg: nehezebben jutnak el azokhoz a közösségekhez, amelyek nagyobb kockázatnak vannak kitéve ennek a technológiának a környezeti következményeitől.
Ebben a kontextusban, és feltételezve, hogy az MI fejlődése nem fog lassulni, az UNESCO három módszert javasol a technológia bolygóra gyakorolt negatív hatásának minimalizálására. Először is a modellek tömörítése, ami egy olyan folyamat, amely az MI-modellek alapjául szolgáló adatbázisok kvantálásával érhető el. "Megpróbáltuk csökkenteni az MI számításokban használt számok tizedesjegyeinek számát, és így akár 44%-os energiamegtakarítást értünk el, miközben a pontosság 97%-os szinten maradt” - magyarázza Leona Verdadero, az UNESCO digitális politikák szakértője és a tanulmány egyik vezetője, amelyet a University College London (Egyesült Királyság) együttműködésével készítettek.
Másodszor, Verdadero és kollégái megpróbálták csökkenteni mind az MI-eszközöknek adott utasítások (promptok) méretét, mind a gép által visszaadott válaszok hosszát. „A rövidebb válaszok akár 54%-kal kevesebb energiát jelentettek. Ezt és a szintézisesebb promptokat kombinálva 75%-os energiamegtakarítást értünk el” - hangsúlyozza a kutató. Végül Verdadero csapata kisebb, kevesebb paraméterrel betanított modelleket használt egyszerű feladatok elvégzésére. Már vannak tanulmányok, amelyek bizonyítják, hogy egy nagy modell akár 50-szer több szennyezést okozhat, mint egy kicsi, ha hasonló pontossággal végzi el az egyszerű feladatokat. "Amikor ezt a három stratégiát kombinálták, az energiafogyasztás összesen 90%-kal csökkent” - állapítja meg az UNESCO jelentése.
Az UNESCO által végzett kísérletek bizonyítják, hogy a generatív MI energiafogyasztása csökkenthető. Ehhez azonban nem elég, ha az iparnak ajánlásokat tesznek, például hogy fejlesszenek ki hatékonyabb modelleket: a csökkentés jelentős része akkor valósul meg, ha az emberek ésszerűen használják ezeket az eszközöket. „Az UNESCO fokozni fogja erőfeszítéseit az MI-ismeretek népszerűsítése érdekében” - jelzi Verdadero.
Az ügynökség útmutatókat készített a diákok számára, hogy segítsen nekik megérteni a mesterséges intelligencia környezeti hatásait. „Tervezzük, hogy iránymutatásokat adunk ki, amelyek segítenek minden felhasználónak megérteni, hogy az MI-rendszerekkel való minden interakciójuknak - például annak, hogy milyen hosszúak az utasítások és milyen gyakran használják őket - lehetnek környezeti és etikai következményei” - mondja. Ide tartozik a redundanciák kiküszöbölése a kérésekből vagy az udvariasság megszüntetése a gépekkel szemben: a ChatGPT üdvözlése vagy válaszainak megköszönése nem generál jobb eredményeket, hanem csak azt jelenti, hogy több adat kerül feldolgozásra, és így több erőforrás kerül felhasználásra, a végeredményre gyakorolt hatás nélkül.