Как ИИ способствует выбросам углекислого газа и бросает вызов целям Net Zero
Эффективные алгоритмы и децентрализованные центры данных снижают энергопотребление и выбросы углерода.
ИИ, известный своим высоким выбросом углекислого газа, представляет угрозу достижению целей по нулевым выбросам, поскольку компании инвестируют в углеродоемкие модели и инфраструктуру. В недавнем отчете Google говорится о росте выбросов парниковых газов на 48% за пять лет, что связано с потребностями искусственного интеллекта в энергии. Основными факторами стали рост энергопотребления центров обработки данных и выбросов в цепочках поставок. В докладе предостерегается, что интеграция ИИ в продукты может помешать усилиям по сокращению выбросов из-за более высоких потребностей в энергии и увеличения выбросов в результате инвестиций в инфраструктуру. Google признала, что ее внимание к инновационным продуктам на основе искусственного интеллекта, таким как Gemini и Veo, может отодвинуть на второй план ее экологические инициативы.
Энергоемкость искусственного интеллекта: понимание его углеродного следа
ИИ по своей сути является энергоемким, особенно во время обучения и разработки алгоритмов и моделей машинного обучения. Простые задачи, такие как создание изображения, могут потреблять столько же энергии, сколько и зарядка телефона. По мере того, как модели становятся больше и имеют больше параметров, их потребности в энергии возрастают. Обучение этих моделей включает обработку огромных наборов данных, часто требующих развертывания на серверах, оснащенных несколькими графическими процессорами в центрах обработки данных. Эти центры обработки данных, потребляющие 1–1,5% мировой электроэнергии, также требуют значительных затрат энергии для систем охлаждения. Таким образом, углеродный след ИИ обусловлен как энергопотреблением серверов, так и энергией, используемой для охлаждения.
Вариативность источников энергии: оценка воздействия ИИ на окружающую среду
Воздействие искусственного интеллекта и центров обработки данных на окружающую среду существенно различается в зависимости от источников энергии. Центры обработки данных, работающие на атомной, гидро, солнечной или ветровой энергии, оказывают меньшее воздействие на окружающую среду по сравнению с теми, которые полагаются на ископаемое топливо.
Измерение истинного углеродного следа ИИ является сложной задачей из-за отсутствия стандартизированного метода оценки выбросов от рабочих нагрузок ИИ. Эту проблему усугубляет то, что крупные поставщики ИИ, такие как Google и OpenAI, часто используют непрозрачные методы разработки, обеспечивая ограниченную прозрачность обучения и разработки моделей.
Эти сложности затрудняют всестороннюю оценку общего воздействия ИИ на окружающую среду и углеродного следа. Однако выводы из отчета Google показывают, что увеличение инвестиций в ИИ и инфраструктуру центров обработки данных, вероятно, приведет к увеличению выбросов углекислого газа в организациях, участвующих в разработке ИИ.
Стратегии смягчения воздействия ИИ на окружающую среду
Хотя искусственный интеллект вносит значительный вклад в выбросы углекислого газа, существуют эффективные способы снизить его воздействие на окружающую среду. Помимо разработки более эффективных алгоритмов, одним из подходов является пересмотр использования энергоемких систем воздушного охлаждения.
Крейг подчеркнул важность удовлетворения как потребностей в вычислительной энергии, так и процессов охлаждения для сокращения выбросов углекислого газа от ИИ. Традиционные системы воздушного охлаждения, стандартные для центров обработки данных, становятся все более неэффективными по мере роста вычислительных потребностей. Им сложно отводить тепло от плотно расположенных серверов, что приводит к более высокому энергопотреблению и негативному воздействию на окружающую среду.
Дориан Шими, генеральный директор FutureFund, предполагает, что обработка ИИ в нескольких децентрализованных центрах обработки данных может снизить общее потребление энергии. Этот подход распределяет вычислительные задачи между меньшими и более эффективными центрами обработки данных, расположенными ближе к источникам данных. Это не только снижает потери энергии при передаче данных, но и позволяет использовать местные возобновляемые источники энергии, что нецелесообразно в более крупных масштабах.
Эти стратегии знаменуют собой отход от традиционных операций центров обработки данных, предлагая значительный потенциал для сокращения углеродного следа ИИ.
