Центры обработки данных AI увеличивают потребление энергии, но прозрачность оставляет желать лучшего

Искусственный интеллект быстро увеличивает потребность в энергии, но истинный масштаб остается неясным из-за отсутствия прозрачности со стороны технологических компаний.

Недавний анализ Nature обращает внимание на растущие, но в основном неясные потребности в энергии искусственного интеллекта. Nature сообщает о том, как в округе Калпепер, штат Вирджиния, большие дата-центры преобразуют сельскую местность. Эти центры, которые необходимы для работы генеративных моделей искусственного интеллекта, таких как ChatGPT, требуют огромных объемов электроэнергии.

Каждое помещение может потреблять столько же энергии, сколько десятки тысяч домов, что потенциально может привести к увеличению расходов и перегрузке местных энергосетей. Виргиния, уже являющаяся столицей мировых дата-центров, может увидеть удвоение своего электропотребления в ближайшие десять лет.

Nature отмечает, что проблема выходит за рамки Виргинии. Дата-центры, работающие на основе искусственного интеллекта, сосредоточены в кластерах по всему миру, значительно влияя на местные энергосети. В отличие от сталелитейных заводов или угольных шахт, дата-центры строятся рядом друг с другом, чтобы обмениваться ресурсами и оптимизировать эффективность.

В Ирландии электроэнергию, потребляемую искусственным интеллектом, составляет более 20% от общенационального потребления, а в пяти штатах США этот показатель превышает 10%.

Несмотря на растущий расход электроэнергии на искусственный интеллект, данных о его энергопотреблении очень мало. Журнал Nature сообщает, что ученым сложно получить точные цифры от компаний, что заставляет их прибегать к косвенным методам оценки. Одним из таких подходов является анализ цепочки поставок.

В 2023 году исследователь Алекс де Врис рассчитал, что если Google внедрит генеративный ИИ во все поисковые запросы, потребуется до 500 000 серверов NVIDIA A100, которые будут потреблять от 23 до 29 тераватт-часов (ТВтч) в год — до 30 раз больше энергии, чем при обычном поиске, как сообщает Nature.

Еще один метод заключается в измерении энергопотребления отдельных задач ИИ. Исследователи используют инструменты, такие как CodeCarbon, для оценки потребления от изображений или текста, сгенерированных ИИ.

Эти исследования предполагают, что создание изображения потребляет около 0,5 ватт-часов (Втч), в то время как генерация текста требует немного меньше. Однако, эти оценки являются консервативными, поскольку они не учитывают охлаждение или специализированные чипы, такие как TPU от Google, как сообщает Nature.

Обучение моделей искусственного интеллекта также требует много энергии, но энергия, затрачиваемая на ответ на миллиарды запросов пользователей, еще больше. Обучение модели, такой как GPT-3, требует около одного гигаватт-часа, тогда как ежедневные запросы искусственного интеллекта потребляют тераватт-часов в год, говорит Nature.

С увеличением конкуренции, компании становятся более секретными в отношении энергопотребления AI. Некоторые, такие как Google и Microsoft, признают увеличение углеродных выбросов из-за расширения данных центров, но не предоставляют конкретных данных, отмечает Nature.

Несмотря на местное влияние AI, его глобальный энергетический след остается относительно малым, утверждает Nature. Международное энергетическое агентство оценило, что дата-центры использовали 240-340 ТВтч в 2022 году, что составляет около 1-1,3% от глобального электропотребления.

Однако, по мере того как применение ИИ становится все более популярным, спрос может резко возрасти. Без улучшения обмена данными, законодателям может быть сложно справиться с экологическими последствиями энергоёмкого будущего ИИ.