(بلومبرگ) – هوش مصنوعی به اسباب بازی جدید براق صنعت فناوری تبدیل شده است و انتظار می رود صنایع تریلیون دلاری را از خرده فروشی تا پزشکی متحول کند. اما ایجاد هر چت بات جدید و تولید کننده تصویر به برق زیادی نیاز دارد، به این معنی که این فناوری ممکن است مسئول مقدار انبوه و رو به رشد انتشار کربن باشد که باعث گرم شدن سیاره می شود.
شرکت مایکروسافت، شرکت آلفابت گوگل و سازنده ChatGPT OpenAI از رایانش ابری استفاده می‌کنند که به هزاران تراشه در داخل سرورها در مراکز داده عظیم در سراسر جهان برای آموزش الگوریتم‌های هوش مصنوعی به نام مدل‌ها، تجزیه و تحلیل داده‌ها برای کمک به آنها برای “یادگیری” برای انجام وظایف متکی است. . موفقیت ChatGPT باعث شد شرکت‌های دیگری برای انتشار سیستم‌های هوش مصنوعی و چت‌بات‌های رقیب خود رقابت کنند یا محصولاتی بسازند که از مدل‌های هوش مصنوعی بزرگ برای ارائه ویژگی‌ها به هر کسی، از خریداران Instacart گرفته تا کاربران Snap و CFO استفاده می‌کنند.
هوش مصنوعی انرژی بیشتری نسبت به سایر اشکال محاسباتی مصرف می‌کند و آموزش یک مدل می‌تواند برق بیشتری نسبت به مصرف ۱۰۰ خانه آمریکایی در یک سال مصرف کند. با این حال، این بخش به قدری سریع در حال رشد است – و شفافیت محدودی دارد – که هیچ کس دقیقاً نمی داند که چقدر کل مصرف برق و انتشار کربن را می توان به هوش مصنوعی نسبت داد. انتشار گازهای گلخانه ای نیز بسته به نوع نیروگاهی که آن برق را تامین می کند، می تواند بسیار متفاوت باشد. مرکز داده ای که الکتریسیته خود را از یک نیروگاه زغال سنگ یا گاز طبیعی تامین می کند، مسئول انتشار بسیار بالاتری نسبت به مرکزی است که از نیروگاه های خورشیدی یا بادی نیرو می گیرد.
در حالی که محققان انتشارات ناشی از ایجاد یک مدل واحد را محاسبه کرده‌اند و برخی از شرکت‌ها داده‌هایی در مورد مصرف انرژی خود ارائه کرده‌اند، تخمین کلی برای مقدار کل انرژی مورد استفاده فناوری ندارند. ساشا لوچونی، محققی در شرکت هوش مصنوعی Hugging Face Inc.، مقاله‌ای نوشت که تأثیر کربن BLOOM شرکتش، رقیب GPT-3 OpenAI را تعیین کرد. او همچنین تلاش کرده است تا بر اساس مجموعه محدودی از داده‌های عمومی در دسترس، همین را برای موفقیت ویروسی OpenAI ChatGPT تخمین بزند.
او گفت: “ما در مورد ChatGPT صحبت می کنیم و چیزی در مورد آن نمی دانیم.” “این می تواند سه راکون در یک کت سنگر باشد.”
شفافیت بیشتر
محققانی مانند لوچیونی می گویند که ما به شفافیت در مورد مصرف انرژی و تولید گازهای گلخانه ای برای مدل های هوش مصنوعی نیاز داریم. با داشتن این اطلاعات، دولت‌ها و شرکت‌ها ممکن است تصمیم بگیرند که استفاده از GPT-3 یا سایر مدل‌های بزرگ برای تحقیق در مورد درمان سرطان یا حفظ زبان‌های بومی ارزش برق و انتشار را دارد، اما نوشتن اسکریپت‌های رد شده ساینفلد یا یافتن والدو ارزش ندارد.
شفافیت بیشتر همچنین ممکن است بررسی دقیق‌تری را به همراه داشته باشد. صنعت کریپتو می تواند یک داستان احتیاطی ارائه دهد. بر اساس شاخص مصرف برق بیت‌کوین کمبریج، بیت کوین به دلیل مصرف بیش از حد انرژی مورد انتقاد قرار گرفته است و سالانه به اندازه آرژانتین از آن استفاده می‌کند. این اشتهای هولناک برای برق باعث شد تا چین استخراج معدن را غیرقانونی کند و نیویورک نیز یک تعلیق دو ساله برای مجوزهای جدید استخراج رمزارز با سوخت های فسیلی تصویب کند.
طبق یک مقاله تحقیقاتی منتشر شده در سال 2021، آموزش GPT-3، که یک برنامه هوش مصنوعی همه منظوره است که می تواند زبان تولید کند و کاربردهای متفاوتی دارد، 1.287 گیگاوات ساعت طول کشید، یا تقریباً به اندازه برق مصرفی 120 خانه آمریکایی در آمریکا. یک سال. بر اساس همین مقاله، این آموزش 502 تن کربن تولید کرد یا تقریباً به اندازه 110 خودروی آمریکایی در یک سال. این فقط برای یک برنامه یا “مدل” است. در حالی که آموزش یک مدل هزینه انرژی اولیه زیادی دارد، محققان دریافتند که در برخی موارد تنها حدود 40 درصد انرژی مصرف شده توسط استفاده واقعی از مدل است و میلیاردها درخواست برای برنامه های محبوب سرازیر می شود. به علاوه، مدل ها بزرگتر می شوند. GPT-3 OpenAI از 175 میلیارد پارامتر یا متغیر استفاده می کند که سیستم هوش مصنوعی از طریق آموزش و بازآموزی خود آموخته است. سلف آن فقط 1.5 میلیارد استفاده کرده است.
OpenAI هم‌اکنون روی GPT-4 کار می‌کند، به‌علاوه، مدل‌ها باید مرتباً بازآموزی شوند تا از رویدادهای جاری آگاه شوند. اما استروبل، استاد دانشگاه کارنگی ملون که جزو اولین محققانی بود که به موضوع انرژی هوش مصنوعی پرداخته است، می‌گوید: «اگر مدل خود را دوباره آموزش ندهید، مدلی خواهید داشت که از کووید-19 اطلاعی نداشت.
یکی دیگر از معیارهای نسبی از سوی گوگل است، جایی که محققان دریافتند که هوش مصنوعی 10 تا 15 درصد از کل مصرف برق شرکت را تشکیل می دهد که در سال 2021 18.3 تراوات ساعت بود. این بدان معناست که هوش مصنوعی گوگل سالانه حدود 2.3 تراوات ساعت می سوزاند، یعنی تقریباً به همان اندازه. برق هر سال مانند تمام خانه های شهری به اندازه آتلانتا.
تعهدات خالص صفر
در حالی که مدل‌ها در بسیاری از موارد بزرگتر می‌شوند، شرکت‌های هوش مصنوعی نیز دائماً روی بهبودهایی کار می‌کنند که باعث می‌شود آنها کارآمدتر کار کنند. مایکروسافت، گوگل و آمازون – بزرگترین شرکت های ابری ایالات متحده – همگی تعهدات کربن منفی یا خنثی دارند. گوگل در بیانیه ای اعلام کرد که تا سال 2030 به دنبال انتشار صفر خالص در سراسر فعالیت های خود است و هدف آن این است که دفتر و مراکز داده خود را به طور کامل با انرژی بدون کربن اداره کند. این شرکت همچنین از هوش مصنوعی برای بهبود بهره وری انرژی در مراکز داده خود استفاده کرده است و این فناوری به طور مستقیم خنک کننده در تاسیسات را کنترل می کند.
OpenAI به کارهایی اشاره کرد که برای کارآمدتر کردن رابط برنامه نویسی برنامه ChatGPT انجام داده است و مصرف برق و قیمت ها را برای مشتریان کاهش می دهد. یکی از سخنگویان OpenAI در بیانیه ای گفت: “ما مسئولیت خود را برای متوقف کردن و معکوس کردن تغییرات آب و هوایی بسیار جدی می پذیریم و در مورد چگونگی استفاده بهینه از قدرت محاسباتی خود بسیار فکر می کنیم.” OpenAI بر روی Azure اجرا می‌شود و ما با تیم مایکروسافت برای بهبود کارایی و ردپای خود برای اجرای مدل‌های زبان بزرگ همکاری نزدیک داریم.
مایکروسافت خاطرنشان کرد که انرژی های تجدیدپذیر را خریداری می کند و اقدامات دیگری را برای رسیدن به هدف اعلام شده قبلی خود یعنی منفی بودن کربن تا سال 2030 انجام می دهد. این شرکت در بیانیه‌ای گفت: هوش مصنوعی در حالی که در حال کار بر روی راه‌هایی برای کارآمدتر کردن سیستم‌های بزرگ، هم در آموزش و هم در کاربرد است.
روی شوارتز، استاد دانشگاه عبری اورشلیم، که با گروهی در مایکروسافت برای اندازه‌گیری ردپای کربن یک هوش مصنوعی بزرگ با گروهی در مایکروسافت همکاری کرد، گفت: «بدیهی است که این شرکت‌ها دوست ندارند مدلی را که استفاده می‌کنند و میزان کربنی که منتشر می‌کند فاش کنند. مدل.
راه هایی برای کارآمدتر کردن هوش مصنوعی وجود دارد. بن هرتز-شارگل، مشاور انرژی وود مکنزی، گفت: از آنجایی که آموزش هوش مصنوعی می‌تواند در هر زمانی اتفاق بیفتد، توسعه‌دهندگان یا مراکز داده می‌توانند آموزش را برای زمان‌هایی که انرژی ارزان‌تر یا مازاد است، برنامه‌ریزی کنند، در نتیجه عملیات آنها سبزتر شود. شرکت‌های هوش مصنوعی که مدل‌های خود را در زمانی که قدرت مازاد است آموزش می‌دهند، می‌توانند آن را در بازاریابی خود تبلیغ کنند. هرتز-شارگل گفت: “این می تواند برای آنها هویج باشد که نشان دهند مسئولانه و سبز رفتار می کنند.”
“این موز خواهد بود”
بیشتر مراکز داده از واحدهای پردازش گرافیکی یا پردازنده‌های گرافیکی برای آموزش مدل‌های هوش مصنوعی استفاده می‌کنند و این قطعات جزو پرقدرت‌ترین قطعات صنعت تراشه هستند. بر اساس گزارشی که در اوایل ماه جاری توسط تحلیلگران مورگان استنلی منتشر شد، مدل های بزرگ به ده ها هزار پردازنده گرافیکی نیاز دارند که برنامه آموزشی آن از هفته ها تا ماه ها متغیر است.
یکی از معماهای بزرگ در هوش مصنوعی محاسبه کل انتشار کربن مرتبط با تراشه های مورد استفاده است. انویدیا، بزرگترین تولیدکننده پردازنده‌های گرافیکی، می‌گوید که وقتی صحبت از وظایف هوش مصنوعی به میان می‌آید، می‌توانند این کار را سریع‌تر انجام دهند و به طور کلی کارآمدتر شوند.
این شرکت در بیانیه‌ای اعلام کرد: «استفاده از پردازنده‌های گرافیکی برای سرعت بخشیدن به هوش مصنوعی به‌طور چشمگیری سریع‌تر و کارآمدتر از پردازنده‌ها است – معمولاً ۲۰ برابر کارآمدتر انرژی برای بارهای کاری خاص هوش مصنوعی و تا ۳۰۰ برابر کارآمدتر برای مدل‌های زبان بزرگ که برای هوش مصنوعی مولد ضروری هستند». .
لوچیونی که این داده‌ها را برای تحقیقاتش درخواست کرد، گفت: در حالی که انویدیا انتشار مستقیم خود و انتشارات غیرمستقیم مربوط به انرژی را فاش کرده است، اما همه انتشارات را که به طور غیرمستقیم به آنها پاسخ می‌دهند، فاش نکرده است.
وقتی انویدیا این اطلاعات را به اشتراک می‌گذارد، لوسیونی فکر می‌کند که پردازنده‌های گرافیکی به اندازه یک کشور کوچک انرژی مصرف می‌کنند. او گفت: “این موز خواهد بود.”