Штучний інтелект (ШІ) дедалі глибше проникає в наше життя – від чатботів до аналітичних систем. Успіхи ШІ викликають захват, але й занепокоєння щодо його впливу на довкілля. З’явилися гучні заяви про те, що кожен запит до ChatGPT “спалює” чимало електрики або що навчання великих моделей виділяє тонни CO₂. Чи справді ШІ становить серйозну екологічну загрозу? У цій статті розглянемо, скільки енергії та ресурсів іде на навчання і використання сучасних моделей ШІ, порівняємо «вуглецевий слід» ШІ з іншими галузями (виробництво яловичини, робота дата-центрів Google, авіація тощо) та з’ясуємо, чи не перебільшено шкоду від ШІ. Також обговоримо практичні поради, як використовувати ШІ відповідально й екологічно сталим чином.
Великі штучні інтелекти працюють на тисячах серверів у дата-центрах, які споживають значні обсяги електроенергії та потребують охолодження.
Енергоспоживання та ресурси для навчання й роботи ШІ
Робота ШІ-систем потребує величезних обчислювальних ресурсів. Навчання так званих великих мовних моделей (LLM) — наприклад, GPT-3 чи GPT-4 — включає мільярди математичних операцій, що виконуються кластерами спеціалізованих процесорів (GPU) протягом тижнів або місяців. Це споживає багато електроенергії і призводить до значних викидів парникових газів, якщо електрика надходить від традиційних електростанцій на викопному паливі.
Для прикладу, навчання моделі GPT-3 (175 млрд параметрів) зайняло близько 1287 МВт·год електроенергії, що супроводжувалося викидом приблизно 502 тонн CO₂. Це еквівалентно річним викидам 112 автомобілів з бензиновим двигуном. Інші оцінки свідчать, що тренування деяких моделей NLP може «викинути» до ~626 тисяч фунтів CO₂ (близько 284 тонн), що у 5 разів більше за викиди легкового авто за весь життєвий цикл.
Хоч такі цифри вражають, варто пам’ятати: навчання моделей – разовий процес; після нього модель багаторазово використовується для виконання завдань (так зване виведення, або інференс). На етапі інференсу енергоспоживання теж значне, адже мільйони користувачів щоденно надсилають запити до ШІ-сервісів.
Запити до ШІ-моделей. Обробка одного питання до великої моделі потребує більше обчислень, ніж традиційні онлайн-операції. Для прикладу, один середній запит до ChatGPT споживає електроенергії приблизно стільки, скільки 10 звичайних пошукових запитів Google. Дослідники підрахували, що відповісти на одне питання в ChatGPT означає викид ~4–5 грамів CO₂ (для порівняння, пошук у Google – близько 0,2 г). Звісно, поодинокий запит – мізерний внесок, але уявімо масштаби: мільйони людей щодня генерують десятки мільйонів питань, і всі ці обчислення сумарно «накручують» чималий лічильник електрики.
Вода та інші ресурси. Окрім електроенергії, робота ШІ вимагає і водних ресурсів. Потужні дата-центри, де «живуть» моделі, потрібно охолоджувати, і часто для цього використовують воду. За оцінками, навчання однієї великої моделі GPT-3 «випиває» близько 700 тисяч літрів води для охолодження серверів. Це обсяг, еквівалентний ~185 тисячам галонів або, образно кажучи, достатньому для виробництва 370 автомобілів BMW.
Звичайно, вода не зникає безслідно – вона випаровується в охолоджувальних баштах і зрештою повертається в цикл, але локально це може створювати навантаження на водопостачання регіону. До речі, один сеанс спілкування з ChatGPT (~20–50 запитів) може сумарно призвести до випаровування близько пів літра води – фактично пляшки питної води, вилитої на потреби дата-центру.
Залізо та вуглецевий слід пристроїв. Для ШІ необхідне спеціалізоване обладнання – тисячі високопродуктивних графічних процесорів і TPU, виробництво яких також пов’язане з витратами енергії та матеріалів. Проте дослідження показують, що «приховані» витрати на виготовлення та утилізацію обладнання значно менші у порівнянні з енергією, спожитою під час навчання моделей і їх повсякденної роботи. Тобто головний екологічний чинник – це саме електрика, яку «їсть» ШІ, і вибір джерел цієї енергії (вугілля, газ чи відновлювані джерела).
Отже, сучасні великі ШІ справді не безслідні для довкілля. Їх «апетит» до енергії та води зростає зі складністю моделей і масовістю використання. Але наскільки ця шкода велика в порівнянні з іншими людськими активностями? Розгляньмо це питання в ширшому контексті.
Екологічний слід ШІ у порівнянні з іншими галузями
Часто шкоду від ШІ описують в абсолютних числах – кіловат-годинах чи тоннах CO₂ – без контексту. Насправді ж для об’єктивної оцінки варто порівняти ці показники з іншими джерелами викидів. Нижче наведено декілька таких порівнянь:
- Виробництво яловичини: Глобальне скотарство (м’ясна та молочна галузі) є одним з найбільших джерел парникових газів. За даними ООН, лише виробництво яловичини дає близько 8,5% всіх світових викидів парникових газів. Це ~4,3 гігатонни CO₂-еквіваленту на рік – більше, ніж сумарні викиди всієї Європейського Союзу і Японії разом! Причина – метан (CH₄), який виділяється травною системою корів, а також вуглець від вирубки лісів під пасовища тощо. Для порівняння, оцінювані викиди від навчання однієї великої ШІ-моделі (сотні тонн CO₂) – це мізер у глобальному масштабі. Навіть якщо взяти всі дата-центри світу (що забезпечують не тільки ШІ, а й інтернет, хмарні сервіси тощо), їх вклад оцінюється в 2,5–3,7% глобальних викидів – тобто в 2–3 рази менше, ніж від скотарства.
- Дата-центри та ІТ-сектор: У сучасному світі ІТ-інфраструктура (сервери, центри обробки даних) споживає колосальну кількість енергії. Всі дата-центри разом генерують приблизно 2–3% світових викидів CO₂ – це вже співставно або навіть більше, ніж глобальна авіація. Внесок штучного інтелекту в цю цифру стрімко зростає. За останні роки технологічні гіганти відзначили стрибок своїх вуглецевих викидів саме через впровадження ШІ. Наприклад, компанія Google повідомила, що її викиди парникових газів у 2023 році сягнули 14,3 млн тонн CO₂e – на 13% більше, ніж у 2022 році, і головною причиною є різке розширення інфраструктури ШІ-дата-центрів. Google визнає, що інтеграція ШІ у продукти робить досягнення нульових викидів складнішим завданням. З іншого боку, традиційні пошукові запити та стримінгові сервіси теж споживають багато енергії. Для прикладу, одна лише робота центрів обробки даних у США (більша частина яких забезпечує хмарні сервіси, пошук і ШІ) за рік породжує щонайменше 106 млн тонн CO₂ – це понад 2% національних викидів, майже на рівні всієї внутрішньої авіації США (≈131 млн т). Отже, ІТ-сектор – суттєвий, але все ж далеко не найбільший винуватець змін клімату (для порівняння, енергетика і промисловість разом дають понад 70% викидів).
- Авіаційна індустрія: Пасажирські та вантажні авіаперевезення відомі як дуже вуглецемісткі види діяльності. У pre-COVID 2019 році авіація спричинила близько 915 млн тонн CO₂ – приблизно 2–2,5% від глобальних викидів. Це співставно з усім ІТ-сектором. Кожен трансатлантичний переліт на одну особу «коштує» кілька сотень кг CO₂, і саме на авіацію припадає значна частка індивідуального вуглецевого сліду в заможних країнах. При цьому запити до ШІ або навіть навчання моделей – це грам або тонни CO₂, а не мільйони тонн. Тобто масштаб впливу авіації та ШІ різниться на порядки. Наочний приклад: тренування моделі GPT-3 (~500 т CO₂) еквівалентне викидам від ~50 перелетів Нью-Йорк–Лондон–Нью-Йорк на одного пасажира. А глобальне використання ШІ наразі далеке від впливу світового авіафлоту, хоч і зростає.
Як бачимо, екологічний «відбиток» ШІ суттєво менший за провідних емітентів парникових газів на планеті. Виробництво тваринницької продукції, спалювання викопного палива на електростанціях, транспорт і важка промисловість – ось основні винуватці змін клімату. На цьому тлі навіть енергоємні нейромережі поки що виглядають скромніше.
Шкода від ШІ іноді дійсно переоцінюється: наприклад, гучні цифри про «тонни CO₂ на один ШІ» можуть ввести в оману, якщо не врахувати, скільки разів цей ШІ потім корисно застосують (можливо, замінюючи значно більш неефективні процеси). Ба більше, ШІ може стати союзником довкілля – за умови правильного використання.
Аналітики Boston Consulting Group відзначають, що штучний інтелект здатен допомогти скоротити глобальні викиди на 5–10% до 2030 року, оптимізувавши енергоспоживання, логістику, виробництво і споживчі звички. Тобто потенційно користь від ШІ може переважити його “витрати”, якщо впроваджувати технології з акцентом на стійкість.
Поради щодо екологічно сталого використання ШІ
Штучний інтелект – це інструмент. І від нас залежить, наскільки розумно та відповідально ми ним користуватимемось. Ось кілька практичних порад, як зменшити екологічний слід ШІ без втрати його переваг:
- Користуйтеся ШІ за потребою, а не з цікавості. Найпростіший спосіб скоротити вплив – уникати зайвих запитів. Перед тим як питати у ChatGPT або запускати ШІ-модель, варто спитати себе: чи дійсно мені це потрібно? Якщо відповідь можна легко знайти у підручнику, в Google чи вирішити самостійно, краще обрати менш енергоємний шлях. Вмикайте ШІ тоді, коли він реально приносить користь – генерує цінний контент, економить ваш час або допомагає в навчанні чи роботі. Усвідомлене, селективне використання ШІ – перший крок до сталості.
- Обирайте модель відповідного розміру. Не завжди для завдання потрібен найпотужніший ШІ. Якщо можна вирішити питання меншою моделлю, краще зробити саме так. Приміром, GPT-4 – дуже потужний, але й «ненажерливий» модель; часто достатньо використати легший GPT-3.5 або інший спрощений алгоритм для простих задач. Розробникам варто тренувати моделі помірного масштабу, достатнього для конкретної мети, замість гонитви за максимумом можливостей. Такий підхід і енергію збереже, і зменшить викиди CO₂, і навіть може бути економічно вигіднішим.
- Оптимізуйте та перевикористовуйте результати. Якщо ви регулярно задаєте ШІ схожі питання або генеруєте типові відповіді – не змушуйте модель щоразу рахувати з нуля. Зберігайте корисні відповіді, шаблони, дані, щоб повторно їх застосовувати без нових обчислень. Для розробників це означає по можливості кешувати результати інференсу і не ганяти модель повторно там, де можна використати вже отриманий результат. Аналогічно, навчальні моделі можна донавчати на оновлених даних, замість тренувати кожен раз з нуля. Ці кроки знижують непотрібне навантаження на обладнання.
- Скорочуйте обсяг і складність запитів. Чим довшу або складнішу відповідь ви очікуєте від ШІ, тим більше обчислень він виконає. Тому формулюйте питання чітко і по суті, а якщо потрібна велика відповідь – запитуйте по частинах. Обмеження довжини відповіді чи рівня деталізації може істотно зменшити час роботи процесорів і, відповідно, зекономити енергію. Наприклад, замість просити ШІ написати 1000-слівний есей з надмірними деталями, можна попросити короткий конспект. Лаконічність корисна не лише для екології – стислі відповіді часто легше зрозуміти й швидше прочитати.
- Використовуйте «зелені» обчислення. Якщо ви розробник або компанія, звертайте увагу, де і як крутяться ваші ШІ-моделі. Дата-центри на відновлюваній енергії – чудова опція: хмарні провайдери все частіше пропонують розміщення обчислень у регіонах з чистою енергією (сонце, вітер) або компенсують вуглецевий слід. Плануйте запуск навчання моделей на час, коли в мережі менше навантаження і більша частка відновлюваної генерації – це зменшить пов’язані викиди. І обов’язково моніторте та публікуйте дані про енергоспоживання і викиди ваших ШІ-рішень. Прозорість стимулює конкуренцію в ефективності: якщо користувачі знатимуть, який сервіс екологічніший, це впливатиме на їх вибір.
Висновок
Штучний інтелект не є магічним «розумом» в ізоляції – за ним стоїть цілком матеріальна інфраструктура. Але, як ми побачили, екологічний вплив ШІ наразі контрольований і порівняно невеликий, особливо у співставленні з іншими сферами людської діяльності. Шкода від ШІ може бути перебільшеною у публічних дискусіях, проте це не означає, що можна нехтувати ефективністю. Як і будь-яка передова технологія, ШІ повинен розвиватися з думкою про сталий розвиток.
Впроваджуючи наведені вище підходи – від продуманого використання до оптимізації моделей – ми здатні мінімізувати екологічний слід ШІ. І тоді штучний інтелект із потенційного забруднювача перетвориться на потужний інструмент для захисту нашої планети, допомагаючи людству розв’язувати екологічні проблеми, а не створювати нові. Свідоме поєднання технологічного прогресу та екологічної відповідальності дозволить отримати максимум користі від ШІ без шкоди для довкілля.