Надпреварата за създаване на общ изкуствен интелект ще доведе до още по-голямо потребление на електроенергия в AI сектора (графика: CC0 Public Domain)
Бумът на изкуствения интелект доведе до нови пикове в потреблението на електроенергия от страна на големите технологични корпорации. Вече се говори сериозно, че общанията за намаляване на енергийната консумация и въглеродния отпечатък на ИТ сектора просто няма да се случат.
През последната седмица някои от най-големите AI разработчици в света загатнаха, че изглежда като че ли няма да смогнат да се справят с постигането на целите си за намаляване на потреблението на електричество.
Microsoft, най-големият финансов поддръжник на разработчика на ChatGPT OpenAI, призна, че неговият план за енергийна ефективност до 2030 г. може да не сработи – поради „лакомията“ на AI.
После и Google обяви, че нейните екологични цели са под въпрос, защото центровете за данни, ключова част от AI инфраструктурата, са помогнали за увеличаване на емисиите на парникови газове с 48% от 2019 г. насам. Компанията използва израза „значителна несигурност“ около достигането на целта си за нулеви нетни емисии до 2030 г.
Дали технологичните гиганти ще успеят да намалят екологичните щети от развитието на AI или индустрията ще продължи както сега, независимо от проблема, просто защото в битката за този пазар друго е по-важно?
Защо AI е заплаха за екологичните цели
Центровете за данни са основен компонент за обучение и работа с AI модели като Gemini на Google или GPT-4 на OpenAI. Те съдържат усъвършенствано изчислително оборудване – сървъри, които поглъщат и „сдъвкват“ огромните масиви от данни, които са в основата на AI системите.
Тези изчисления изискват големи количества електроенергия. А това генерира CO2 в зависимост от енергийния източник, създавайки междувременно и „вграден“ CO2 от разходите за производство и транспортиране на необходимото оборудване.
Според Международната агенция по енергетика, към 2026 г. общото потребление на електроенергия от центровете за данни може да се удвои спрямо нивата от 2022 г. до 1000 TWh (тераватчаса) през 2026 г., което е еквивалентно на енергийното търсене на Япония.
Изследователската компания SemiAnalysis изчислява, че AI ще доведе дотам, че центровете за данни ще поглъщат 4,5% от глобално производство на енергия до 2030 г. Използването на вода също е значително. Има данни, че изкуственият интелект може да достигне до 6,6 милиарда кубически метра потребление на вода до 2027 г.
Какво казват експертите?
В скорошен доклад за безопасността на изкуствения интелект се казва, че въглеродният интензитет на енергийния източник, използван от технологичните фирми, е „ключова променлива“ при изчисляването на екологичните разходи на технологията. Там обаче пише и, че „значителна част“ от обучението на AI моделите все още разчита на енергия, добивана от изкопаеми горива.
Наистина технологичните фирми сключват договори за изкупуване на възобновяема енергия в опит да постигнат екологичните си цели. Amazon, например, е най-големият корпоративен купувач на възобновяема енергия в света. Някои експерти обаче твърдят, че това тласка други потребители на енергия към изкопаемите горива, просто защото няма достатъчно чиста енергия, която да се използва.
Колкото и да се стараят всички сектори, в крайна сметка потреблението на енергия повсеместно расте, така че изкопаемите горива все още не могат да бъдат загърбени.
Няма ли да има достатъчно възобновяема енергия?
Правителствата по света планират да утроят възобновяемите енергийни ресурси на планетата до края на десетилетието. Но амбициозното обещание, договорено на миналогодишните преговори за климата COP28, вече е под съмнение. Експерти се опасяват, че рязкото увеличение на търсенето на енергия от центровете за данни с изкуствен интелект може да направи мисията непосилна.
Международната агенция по енергетика предупреди, че въпреки че през 2023 г. глобалният капацитет за възобновяема енергия е нараснал с най-бързия темп, регистриран през последните 20 години, светът няма възможност да увеличи повече от два пъти глобалния ВЕИ капацитет.
А не можем ли бързо да изградим нови ВЕИ системи?
Проектите за възобновяема енергия, особено наземните, се изграждат сравнително бързо – разработването им може да отнеме по-малко от шест месеца. Работата е там, че проектите се бавят заради два фактора. Първият са бавните, тромави процедури – планиране, разрешителни, подготовка и др. Вторият е свързан с възможността на електроенергийните мрежи да поемат новите мощности – все по-често се оказва, че мрежите нямат потенциал да присъединят повече.
Другият проблем е, че непостоянният характер на слънцето и вятъра изисква да се построят много нови инсталации за съхранение на електричеството, добито от възобновяеми ресурси. А това ще изисква и много нови инвестиции, и време. Другите възобновяеми ресурси, например геотермалните, са с постоянен характер, но изисквт много повече инвестиции за разработване.
Е докога ще расте търсенето на ток за AI?
Най-големите и най-скъпите центрове за данни в сектора на AI са тези, използвани за обучение на „граничен“ AI, тоет системи като GPT-4 и Claude 3.5. те са по-мощни и способни от всички други. Лидерът в областта се промени през годините, но OpenAI обикновено е близо до върха, конкурирайки се за водещата позиция с Anthropic, производителя на Claude, и Gemini на Google.
Вече се смята, че конкуренцията в „граничния“ ИИ е достигнала етапа „победителят получава всичко“. Това значи, че всички играчи са склонни да се постараят да скочат още по-високо. Ако един бизнес похарчи 100 милиона долара за обучение за нова AI система, всеки от неговите конкуренти трябва да реши сам дали да похарчи още повече – или да отпадне изцяло от надпреварата.
Наред с това надпреварата за така наречените „AGI“ означава, че всеки от въпросните големи ИТ бизнеси вижда причини да похарчите стотици милиарди долари за едно обучение – ако това ще доведе компанията до шанса да монополизира технологията.
Няма ли AI фирмите да се научат да използват по-малко електроенергия?
Всеки месец научаваме за нови пробиви в AI технологията. През март 2022 г., например, проект на DeepMind, наречен Chinchilla, показа как изследователите да обучават „гранични: AI модели, използвайки радикално по-малко изчислителна мощност, като променят съотношението между количеството данни за обучение и размера на получения модел.
Но това не води до момента, в който AI системите използват по-малко електроенергия. Вместо това се получава така, че същото количество електроенергия се впряга за създаване на още по-добри AI системи.
В икономиката това явление е известно като „парадокса на Джевънс“ – на името на икономиста, който забелязал, че подобрението на парната машина от Джеймс Ват, което позволява използването на много по-малко въглища, не е довело до намаляване на потреблението на въглища, а напротив – до огромно увеличение на количеството изкопаеми горива, изгорени в Англия.