Вы когда-нибудь задумывались о влиянии на окружающую среду использования чат-ботов с искусственным интеллектом, таких как ChatGPT от OpenAI или Bard от Google?

Эти большие языковые модели требуют огромного количества энергии для обучения, а центры обработки данных, в которых они размещены, нуждаются в охлаждении, что делает их невероятно «жадными». На самом деле, новое исследование показывает, что одна только тренировка GPT-3 потребляла 185 000 галлонов (700 000 литров) воды. Это означает, что каждый раз, когда вы разговариваете с ChatGPT, вы по существу тратить впустую большую бутылку пресной воды. С ростом популярности чат-ботов исследователи обеспокоены тем, как это может повлиять на наши запасы воды, особенно в свете исторических засух и экологической нестабильности, с которыми мы сталкиваемся.

В предварительном отчете под названием Делаем ИИ меньше жажды исследователи из Калифорнийского университета в Риверсайде и Техасского университета в Арлингтоне оценили количество пресной воды, необходимое для обучения GPT-3. Они обнаружили, что это эквивалентно количеству, необходимому для заполнения градирни ядерного реактора. запускает и создает суперкомпьютеры для обучения ИИ, говорит, что ее последний суперкомпьютер содержит 10 000 видеокарт и более 285 000 процессорных ядер. Это дает нам представление о масштабах деятельности искусственного интеллекта. Каждый раз, когда ChatGPT завершает базовый обмен с пользователем, состоящий из примерно 25–50 вопросов, ему нужно будет выпить бутылку воды объемом 500 мл.

Знаете ли вы, что потребление воды является серьезной проблемой для технологических компаний, а не только для моделей ИИ, таких как ChatGPT от OpenAI или Bard от Google?

В 2019 году компания Google запросила более 2,3 миллиарда галлонов воды для своих центров обработки данных всего в трех штатах. А с 14 центрами обработки данных в Северной Америке, поддерживающими поиск Google, продукты для рабочих мест и большие языковые модели, такие как LaMDA и Bard, потребление воды компанией ошеломляет. На самом деле, согласно недавнему исследованию, для одной только тренировки LaMDA могут потребоваться миллионы литров воды.

Но дело не только в воде. Эти большие языковые модели также требуют огромного количества электроэнергии для обучения. Согласно недавнему отчету Stanford AI, при обучении OpenAI GPT-3 было выброшено 502 метрических тонны углерода. Этой энергии достаточно для питания среднего американского дома в течение сотен лет.

Как сказал в интервью Time Кевин Кент, генеральный директор Critical Facility Efficiency Solution, «гонка за центрами обработки данных, чтобы не отставать от всего этого, довольно безумна. Они не всегда могут сделать самый лучший выбор с точки зрения экологии». Так что в следующий раз, когда вы будете использовать модель ИИ или искать в Интернете, помните, что существует скрытая экологическая стоимость.

Когда дело доходит до потребления воды ИИ, существует разница между "забором" воды и "потреблением". "Забор" означает физическое удаление воды из источника, а потребление – потери воды из-за испарения при ее использовании в центрах обработки данных. Исследование использования воды ИИ сосредоточено в первую очередь на потреблении, когда вода не может быть переработана.

Центры обработки данных должны поддерживаться в прохладе, чтобы предотвратить сбои в работе оборудования. Это сложная задача, поскольку сами серверы генерируют тепло при преобразовании электроэнергии. Градирни часто используются для противодействия этому теплу путем испарения холодной воды. Однако для этого процесса требуется большое количество воды — около галлона на каждый киловатт-час, расходуемый в среднем центре обработки данных.

Не любой тип воды можно использовать в центрах обработки данных. Им нужна чистая пресная вода, чтобы избежать коррозии или роста бактерий, которые могут появиться в морской воде. Пресная вода также необходима для контроля влажности в помещениях. Центры обработки данных также несут ответственность за воду, необходимую для производства электроэнергии, которую они потребляют, что исследователи называют «косвенным потреблением воды за пределами площадки». Таким образом, хотя модели ИИ, такие как ChatGPT и Bard, могут показаться просто виртуальными сущностями, их работа оказывает очень реальное влияние на нашу среду.

Нехватка воды уже является серьезной проблемой в США: 2,2 миллиона жителей не имеют доступа к воде и водопроводу, а еще 44 миллиона живут с неадекватными системами водоснабжения. Ожидается, что изменение климата и рост населения усугубят эту проблему. По оценкам Стэнфорда, к 2071 году почти половина из 204 пресноводных бассейнов страны не сможет удовлетворить ежемесячные потребности в воде. Во многих регионах водоснабжение может сократиться на треть в ближайшие 50 лет.

В свете этих проблем потребление воды ИИ становится все более серьезной проблемой. Поскольку требования к данным для больших языковых моделей продолжают расти, компаниям необходимо будет найти способы повысить эффективность использования воды в своих центрах обработки данных. Исследователи предполагают, что существует несколько способов сократить потребление воды ИИ, например, обучающие модели в более прохладное время дня или в более эффективных центрах обработки данных. Пользователи чат-бота также могли взаимодействовать с модулями в «часы экономии воды».

Однако для достижения этих изменений со стороны спроса потребуется большая прозрачность от технологических компаний, создающих эти модели. Исследователи рекомендуют разработчикам моделей ИИ и операторам центров обработки данных быть более прозрачными в отношении того, когда и где обучаются их модели, а также в отношении любых сторонних центров обработки данных или общедоступных облаков.

В заключение отметим, что потребление воды искусственным интеллектом — сложная проблема, для решения которой требуется многогранный подход. Хотя есть шаги, которые можно предпринять для сокращения потребления воды, большая прозрачность и сотрудничество со стороны технологических компаний будут иметь важное значение для обеспечения устойчивого будущего как для ИИ, так и для нашей планеты.