Az ENSZ Egyetem Vízügyi, Környezetvédelmi és Egészségügyi Intézetének (UNU INWEH) nemrég közzétett jelentése szerint "szisztematikusan rosszul mérik" a mesterséges intelligencia környezeti költségeit, mivel az aktuális értékelések a nagy nyelvi modellek betanításával összefüggő szén-dioxid-kibocsátásra összpontosítanak, miközben figyelmen kívül hagyják a technológia tágabb környezeti lábnyomát. Ide tartozik az úgynevezett "vízlábnyom", ami az adatközpontok hűtéséből és energiaellátásából, illetve a "földlábnyom", ami az olyan energiainfrastruktúrából és az ellátási láncokból származik, amelyek azz MI-adatközpontok felépítéséhez és üzemeltetéséhez szükségesek.
A jelentés felhívja rá a figyelmet, hogy a mesterséges intelligencia kezdeti betanítási költségei eltörpülnek a modellek futtatásának erőforrás-igénye mellett, ami a teljes energiafelhasználásának 80-90 százalékát teszi ki. A Futurism riportja erről szólva kiemeli az OpenAI GPT-4 modelljének példáját, amelynek betanítása 70 gigawattórás kapacitást emésztett fel, a rá épülő ChatGPT futtatása azonban a becslések szerint már több mint 380 gigawattórát igényel a napi több milliárd kérdés megválaszolásához. Ezeket az arányokat figyelembe véve az MI-adatközpontok 2030-ra már 945 terawattórás teljesítményigénnyel futhatnak majd világszerte, ami háromszorosa a több mint 650 millió embernek otthont adó Pakisztán, Banglades és Nigéria együttes áramfelhasználásának.
Az előnyök szétterülnek, a kár helyben marad
Itt jön be a képbe az emlegetett vízlábnyom, 2030-ra ugyanis a mesterséges intelligencia vízfogyasztását már 9,3 billió literre teszik, nagyjából annyira, amennyi a szubszaharai Afrika 1,3 milliárd lakójának éves vízszükséglete. Az UNU jelentése ennek kapcsán megállapítja, hogy az MI környezeti hatásainak kezelését messze nem lehet elintézni a zöldebb energiaforrásokra való áttéréssel: az adatközpontok áramellátásából származó szén-dioxid-kibocsátás 70 százalékos csökkentésével a vízlábnyom 30-szorosára, a földlábnyom pedig 100-szorosára növekedhet, vagyis a szén-dioxid-kibocsátás csökkentését célzó döntések igen károsak lehetnek a víz és a föld szempontjából.
Azzal, hogy a jelentés utóbbiakat is számszerűsíteni próbálta az MI betanításához, telepítéséhez és nagy léptékű üzemeltetéséhez szükséges villamosenergia-felhasználásból kiindulva, azt is megmutatta, hogy a megújuló energiaforrások az egyik probléma enyhítésével súlyosbítanak más problémákat, a mesterséges intelligencia energiahatékonyabbá tétele pedig paradox módon még növelheti is a technológia teljes környezeti lábnyomát. A környezeti költségek ugyanis nemcsak az áramfelhasználás mennyiségétől függenek, és az alacsony szén-dioxid-kibocsátású villamosenergia-termelés nem feltétlenül jelent alacsony víz- vagy földhasználati igényt. Erre aztán további hatással lesznek a mindennapi felhasználási minták is az MI fejlődése során.
Az UNU anyagának egyik legfontosabb megállapítása, hogy a mesterséges intelligencia környezeti lábnyomának kezelését nem lehet szigorúan technikai problémaként leírni, mivel komoly kihívást jelent a kormányzásban és a társadalmi igazságosság érvényesítésében is. Az MI előnyei ugyanis a határokon és az ágazatokon átívelő módon jelennek meg, miközben az adatközpontok elhelyezésének, áramfelvételének, vízigényének, földhasználatnak, sőt a szükséges nyersanyagok kitermelésének vagy az elektronikai hulladék elhelyezésének környezeti terhei már koncentráltan jelentkeznek, és a sebezhetőbb közösségekre hárítják át az innováció környezeti költségeit.
Szintet lép a Synology: Érkezik a PAS7700 csúcskategóriás vállalati flash tároló
Ahogy a vállalati IT-környezetek az AI-alapú folyamatok, a virtualizáció, a nagy teljesítményű adatbázisok és a folyamatosan elérhető digitális szolgáltatások nyomása alatt fejlődnek, a szervezetek egyre inkább olyan tárolóinfrastruktúrát igényelnek, amely kompromisszumok nélküli teljesítményt, rugalmasságot és skálázhatóságot biztosít.
Projektek O-gyűrűje. Mit tanulhat egy projektvezető a Challenger tragédiájából?