ხელოვნური ინტელექტის (AI) სფეროში დისკუსიები ხშირად ტრიალებს დეზინფორმაციას და ადამიანთა სამუშაოს პოტენციურ საფრთხეს. თუმცა, ბოსტონის უნივერსიტეტის პროფესორი, ქეით საენკო, ყურადღებას ამახვილებს კიდევ ერთ მნიშვნელოვან შეშფოთებაზე - გენერაციული AI ინსტრუმენტების გარემოზე არსებით ზემოქმედებაზე.
როგორც ხელოვნური ინტელექტის მკვლევარი, საენკო გამოთქვამს შეშფოთებას ხელოვნური ინტელექტის მოდელების აგების ენერგიის ხარჯებთან დაკავშირებით. The Conversation-ის სტატიაში ის ხაზს უსვამს: „რაც უფრო ძლიერია ხელოვნური ინტელექტი, მით მეტი ენერგია სჭირდება მას“.
მიუხედავად იმისა, რომ კრიპტოვალუტების ენერგიის მოხმარებამ, როგორიცაა ბიტკოინი და ეთერიუმი, ფართო დებატები გამოიწვია, ხელოვნური ინტელექტის სწრაფ განვითარებას არ მიუღია იგივე დონის შემოწმება პლანეტაზე მისი გავლენის თვალსაზრისით.
პროფესორი საენკო მიზნად ისახავს შეცვალოს ეს ნარატივი, აღიაროს შეზღუდული მონაცემები, რომელიც ხელმისაწვდომია ნახშირბადის კვალზე ერთი გენერაციული AI შეკითხვის შესახებ. თუმცა, ის ხაზს უსვამს, რომ კვლევა ვარაუდობს, რომ ენერგიის მოხმარება ოთხჯერ ხუთჯერ მეტია, ვიდრე მარტივი საძიებო სისტემის მოთხოვნა.
2019 წლის მნიშვნელოვანი კვლევა შეისწავლის გენერაციულ AI მოდელს, სახელწოდებით Bidirectional Encoder Representations from Transformers (BERT), რომელიც შედგება 110 მილიონი პარამეტრისგან. ეს მოდელი მოხმარდა ენერგიას, რომელიც ექვივალენტურია ორმხრივი ტრანსკონტინენტური ფრენისთვის ერთი ადამიანისთვის სასწავლო პროცესის დროს, გრაფიკული დამუშავების ერთეულების (GPU) გამოყენებით. პარამეტრები, რომლებიც წარმართავს მოდელის პროგნოზებს და ზრდის სირთულეს, რეგულირდება ვარჯიშის დროს შეცდომების შესამცირებლად.
შედარებისთვის, საენკო ცხადყოფს, რომ OpenAI-ს GPT-3 მოდელი, განსაცვიფრებელი 175 მილიარდი პარამეტრით, მოიხმარდა ენერგიას, რომელიც ექვივალენტურ 123 ბენზინზე მომუშავე სამგზავრო მანქანას მართავდა ერთი წლის განმავლობაში ან დაახლოებით 1,287 მეგავატ საათში ელექტროენერგიაზე. გარდა ამისა, მან წარმოქმნა გასაოცარი 552 ტონა ნახშირორჟანგი. აღსანიშნავია, რომ ენერგიის ეს ხარჯი მოხდა მანამ, სანამ რომელიმე მომხმარებელი მოდელის გამოყენებას დაიწყებდა.
AI ჩეთბოტების მზარდი პოპულარობით, როგორიცაა Perplexity AI და Microsoft-ის ChatGPT ინტეგრირებული Bing-ში, სიტუაცია კიდევ უფრო გამწვავდება მობილური აპლიკაციების გამოშვებით, რაც ამ ტექნოლოგიებს კიდევ უფრო ხელმისაწვდომს ხდის ფართო აუდიტორიისთვის.
საბედნიეროდ, საენკო ხაზს უსვამს Google-ის კვლევას, რომელიც გვთავაზობს სხვადასხვა სტრატეგიას ნახშირბადის ანაბეჭდის შესამცირებლად. უფრო ეფექტური მოდელის არქიტექტურის, პროცესორების და ეკოლოგიურად სუფთა მონაცემთა ცენტრების გამოყენებამ შეიძლება მნიშვნელოვნად შეამციროს ენერგიის მოხმარება.
მიუხედავად იმისა, რომ AI-ის ერთმა დიდმა მოდელმა შეიძლება ერთპიროვნულად არ გაანადგუროს გარემო, საენკო აფრთხილებს, რომ თუ მრავალი კომპანია შეიმუშავებს ოდნავ განსხვავებულ AI ბოტებს სხვადასხვა მიზნებისთვის, თითოეული ემსახურება მილიონობით მომხმარებელს, ენერგიის კუმულაციური გამოყენება შეიძლება გახდეს მნიშვნელოვანი პრობლემა.
საბოლოო ჯამში, საენკო ვარაუდობს, რომ შემდგომი კვლევა აუცილებელია გენერაციული ხელოვნური ინტელექტის ეფექტურობის გასაზრდელად. გამამხნევებელია, ის ხაზს უსვამს ხელოვნური ინტელექტის პოტენციალს განახლებადი ენერგიის წყაროებზე მუშაობისთვის. მწვანე ენერგიის ხელმისაწვდომობასთან დამთხვევის გამოთვლის ოპტიმიზაციის გზით ან მონაცემთა ცენტრების განთავსებით, სადაც განახლებადი ენერგია უხვადაა, ემისიები შეიძლება შემცირდეს შესამჩნევი ფაქტორით 30-დან 40-მდე, ვიდრე წიაღისეული საწვავის დომინირებულ ბადეებზე დაყრდნობით.
დასასრულს, მიუხედავად იმისა, რომ შეშფოთება დეზინფორმაციისა და AI-ის გამო სამუშაოს გადაადგილების შესახებ გრძელდება, პროფესორ საენკოს აქცენტი გენერაციული AI ხელსაწყოების გარემოზე ზემოქმედებაზე კრიტიკულ საკითხს აჩენს. ის მოითხოვს გაზრდილი კვლევისა და ინოვაციური მიდგომების გატარებას, რათა უზრუნველყოს ხელოვნური ინტელექტის განვითარება მდგრადობის მიზნებთან შესაბამისობაში. ამით ჩვენ შეგვიძლია გამოვიყენოთ ხელოვნური ინტელექტის პოტენციალი, ხოლო ნახშირბადის ანაბეჭდის მინიმუმამდე შემცირება, რითაც გზას გავუხსნით მწვანე მომავლისკენ.
წყარო: https://bitcoinworld.co.in/the-environmental-impact-of-artificial-Intelligence-a-concern-beyond-misinformation-and-job-threats/