През последната година AI хардуерът е „изгорил” електроенергия колкото цяла Холандия
(снимка: CC0 Public Domain)
Ресурсите, свързани с изкуствен интелект, може да надминат добива на биткойн по потребление на енергия до края на 2025 година. Това е заключението, до което стига Алекс де Врийс-Гао, докторант в Института за екологични изследвания към Свободния университет в Амстердам.
В предишните си изследвания ученият е проследявал потреблението на електроенергия от криптовалутите и тяхното въздействие върху околната среда. Последната му работа, публикувана миналата седмица в списание Joule, е посветена на нарастващото търсене на енергийни ресурси от изкуствения интелект.
Към момента изкуственият интелект е отговорен за една пета от консумираната електроенергия от центровете за данни, твърди Алекс де Врийс-Гао. Тази цифра е била трудна за оценка, без технологичните гиганти да предоставят данни за потреблението на енергия на своите модели с изкуствен интелект. Ученият е трябвало да направи оценка въз основа на данни, свързани с веригата за доставки на AI чипове. Оказва се, че въпреки повишаването на ефективността, апетитите за енергия на AI нарастват и то достатъчно бързо.
С прехода на алтернативните криптовалути, предимно етериум, към по-малко енергоемки алгоритми, Алекс де Врийс-Гао решава, че е време да приключи изследователския проект, но след това, както той споделя пред The Verge, „се случи ChatGPT”. Така още една енергоемка технология навлезе на изключително конкурентния пазар.
Много общи неща
AI индустрията има много общи неща с криптовалутите. Първо, това е манталитетът „по-голямото е по-добро”: технологичните компании непрекъснато увеличават размера на своите модели в преследване на най-доброто на пазара и с това нарастват и техните изисквания за ресурси. Тази надпревара породи бум в новите центрове за данни, особено в Съединените щати, където има повече такива съоръжения отколкото във всяка друга страна.
За да отговорят на нарастващото търсене на AI, енергийните компании обявяват планове за изграждане на нови газови електроцентрали и ядрени реактори. Резките скокове в потреблението на енергия оказват допълнителен натиск върху електропреносната мрежа и заплашват плановете за преход към чиста енергия.
Всички тези проблеми са често срещани и за предприятията, занимаващи се с индустриален добив на криптовалути – по същество това са същите центрове за данни, които проверяват блокчейн транзакциите.
Друго сходство е, че е много трудно да се оцени потреблението на енергия от индустриите на изкуствения интелект и криптовалутите. Редица големи технологични компании, разработващи системи с изкуствен интелект, обявиха екологични цели и включват емисиите на парникови газове в годишните си отчети. Това помогна да се установи, че въглеродните емисии както на Google, така и на Microsoft са се увеличили през последните години, но компаниите обикновено не анализират данните и не е ясно какъв дял се дължи на изкуствения интелект.
За да разбере това, Алекс де Врис-Гао използва техника, наречена „триангулация”, като разглежда публично достъпни данни за хардуера, доклади на анализатори и отчети за приходите на компаниите, за да се опита да оцени колко хардуер с изкуствен интелект се произвежда и колко енергия е вероятно да консумира. Така например, TSMC, която произвежда чипове за AMD и Nvidia, наред с други, е увеличила производството си на пакетирани AI чипове повече от два пъти от 2023 до 2024 г.
След като е изчислил колко специализиран AI хардуер могат да произведат фабриките, ученията е сравнил обема с данните колко енергия консумира този хардуер. Оказва се, че през последната година това оборудване е „изгорило” приблизително толкова електроенергия, колкото родната Холандия на изследователя.
До края на годината, според неговите изчисления, апетитът на AI ще достигне мащаба на Обединеното кралство – търсенето на електроенергия за изкуствения интелект ще възлезе на 23 GW. Само в САЩ, до края на десетилетието, търсенето на електроенергия ще нарасне с 25%, според доклад на консултантската компания ICF от миналата седмица.
Трудни отговори
В това уравнение обаче има много променливи. Според статия в MIT Technology Review, човек, използващ AI за насърчаване на кампания за набиране на средства, може да причини два пъти повече въглеродни емисии, ако заявките му се обработват от център за данни в Западна Вирджиния, а не в Калифорния.
Трябва да се вземат предвид редица фактори, включително видовете изпращани заявки, размерът на моделите, отговарящи на тези въпроси, и съотношението на възобновяемите енергийни източници към изкопаемите горива в локалната електропреносна мрежа, към която е свързан центърът за данни.
Много от належащите въпроси щяха да са по-лесни за отговор, ако технологичните компании бяха по-прозрачни относно изкуствения интелект в своите екологични доклади, но засега получаването на някои от показателите, необходими за изследвания, се оказва „абсурдно” и „нелепо” трудно, признава Алекс де Врийс-Гао.
Още по-трудно е да се правят прогнози, когато има несигурност дали търсенето на електроенергия ще намалее с повишаване на ефективността. DeepSeek направи фурор тази година, когато показа, че моделът му консумира значително по-малко енергия от Meta Llama 3.1, повдигайки въпроси дали технологичните компании наистина се нуждаят от толкова много енергия, за да постигнат напредък в областта на изкуствения интелект.
Не е ясно дали компаниите ще дадат приоритет на по-ефективните модели пред подхода „по-голямото е по-добро” за просто натрупване на повече данни и изчислителна мощност за системите с изкуствен интелект.
Когато блокчейнът на етериум премина към енергийно ефективен модел за проверка на транзакциите, консумацията на енергия на мрежата спадна с 99,998%. Еколозите се опитаха да окажат натиск върху други блокчейни да последват примера на етериум. Но копачите на биткойн, например, не са склонни да се откажат от инвестициите си в съществуващ хардуер.
И накрая, парадоксът на Джевънс е валиден и за изкуствения интелект: по-ефективните модели ще продължат да консумират повече енергия, тъй като хората ги използват по-често. И е невъзможно да се справим с даден проблем, освен ако първо не бъде правилно измерен и оценен.