Углеродный след ИИ: кто в ответе и как с этим бороться?
Что такое углеродный след ИИ? Какие модели и компании вырабатывают СО2 больше всего. Как сегодня работают над снижением карбонового следа?
Углеродный след (карбоновый след) — это совокупность всех выбросов парниковых газов, произведенных прямо или косвенно отдельным человеком, организацией, мероприятием или продуктом. Эти газы включают диоксид углерода (CO₂), метан (CH₄) и другие, которые способствуют парниковому эффекту и изменению климата.
Отслеживание углеродного следа помогает понять, как наша деятельность влияет на климат, и предпринимать меры для его смягчения. Все это позволяет людям и организациям осознать свою экологическую ответственность и стремиться к снижению негативного воздействия на окружающую среду.
Так, компании могут разрабатывать и внедрять стратегии по снижению выбросов, получать в итоге различные поощрения и льготы, что способствует их конкурентоспособности на рынке. Но LinDeal также напомнит, что в контексте развития передовых технологий ведущие корпорации мира должны приложить все усилия для снижения углеродного следа ИИ.
Углеродный след ИИ: что это такое?
Углеродный след искусственного интеллекта (ИИ) — это количество углекислого газа (CO₂), выбрасываемого в атмосферу в процессе разработки, обучения и эксплуатации ИИ-моделей. Показатель включает в себя энергопотребление дата-центров, используемых для хранения и обработки данных, а также энергию, необходимую для работы серверов и систем охлаждения.
Что известно на сегодняшний день?
- Исследование Массачусетского университета в Амхерсте (2019) показало, что обучение модели BERT от Google за 79 часов привело к выбросу 1438 фунтов CO₂. Для сравнения, перелет из Нью-Йорка в Сан-Франциско на одного пассажира генерирует около 1000 фунтов CO₂.
- Обучение модели для поиска нейронной архитектуры (NAS) привело к выбросу 626 155 фунтов CO₂, что эквивалентно 300 перелетам туда и обратно с Восточного побережья США на Западное.
- Модели от Meta и Google, такие как OPT и Gopher, оставляют углеродный след в 75 и 380 тонн CO₂ соответственно.
Также исследование стартапа Hugging Face и Университета Карнеги-Меллона показало, что генерация изображений с помощью нейросетей создает углеродный след, эквивалентный полной зарядке среднестатистического смартфона.
Компании и модели с наибольшим углеродным следом от ИИ
В сфере искусственного интеллекта (ИИ) наибольший углеродный след производят крупные технологические компании Google, Microsoft и Amazon.
Основные причины этого связаны с несколькими факторами:
- Центры обработки данных. Эти компании управляют огромными центрами обработки данных, которые потребляют значительное количество электроэнергии для работы серверов и систем охлаждения.
- Масштабные модели ИИ. Обучение и эксплуатация крупных моделей ИИ, таких как GPT-3 и GPT-4, требуют огромных вычислительных ресурсов, что также увеличивает потребление энергии.
- Постоянное обновление и поддержка инфраструктуры. Для обеспечения высокой производительности и надежности, компании постоянно обновляют и расширяют свою инфраструктуру, что также влечет за собой дополнительные выбросы углерода.
Добавим к этому, что некоторые из крупнейших моделей искусственного интеллекта (ИИ) также имеют значительный углеродный след из-за огромного количества энергии, необходимого для их обучения и эксплуатации:
- GPT-4 от OpenAI. Выделяет более 500 метрических тонн углекислого газа только на этапе обучения. Это связано с использованием старого и менее эффективного оборудования.
- BERT от Google. Также имеет значительный углеродный след, особенно если учитывать дополнительные этапы настройки, которые увеличивают точность модели, но требуют больше энергии.
- BLOOM от Hugging Face. Хотя эта модель была обучена на суперкомпьютере, работающем в основном на ядерной энергии, что снижает углеродные выбросы, все равно ее обучение привело к выбросу около 50 метрических тонн углекислого газа.
Так, крупные языковые модели (LLM) могут иметь значительное воздействие на окружающую среду. Однако компании и исследователи уже работают над методами снижения углеродного следа.
Меры по снижению углеродного следа: успешные инициативы
Что здесь можно вычленить?
Оптимизация вычислительных процессов
- Энергоэффективные алгоритмы. Разработка алгоритмов, которые требуют меньше вычислительных ресурсов. Это позволяет сократить потребление энергии и, соответственно, уменьшить углеродный след.
- Аппаратные улучшения. Использование специализированных процессоров — графические(GPU) и тензорные процессоры (TPU) более эффективно выполняют задачи ИИ, снижая энергопотребление.
Использование возобновляемых источников энергии
- Солнечная и ветровая энергия. Например, Google и Microsoft активно инвестируют в солнечные и ветровые фермы для питания своих дата-центров.
- Энергоэффективные дата-центры. Компании строят дата-центры с учетом энергоэффективности, используя передовые системы охлаждения и управления энергопотреблением.
Улавливание и хранение углерода (CCS)
Некоторые компании внедряют технологии улавливания углекислого газа, выделяемого в процессе работы дата-центров, и его хранения под землей.
Разработка и использование зеленого ИИ
Это направление включает разработку ИИ, который помогает в решении экологических проблем — это оптимизация энергопотребления, управление отходами и мониторинг состояния окружающей среды.
Совместные инициативы и стандарты
Так, Amazon, Google и Microsoft являются участниками инициативы Climate Neutral Data Centre Pact, направленной на достижение углеродной нейтральности дата-центров к 2030 году.
Образовательные и исследовательские программы
- Исследования. Компании инвестируют в разработки, направленные на создание новых технологий и методов для уменьшения углеродного следа.
- Образовательные программы. Обучение сотрудников и партнеров принципам устойчивого развития и энергоэффективности.
Что уже делается сейчас?
- Google's Carbon-Intelligent Computing. Компания разработала систему, которая распределяет вычислительные задачи в зависимости от доступности возобновляемой энергии. Это позволяет минимизировать углеродный след, используя больше энергии из возобновляемых источников, когда она доступна.
- Microsoft's Carbon Negative by 2030 Initiative. Корпорация поставила цель стать углеродно-отрицательной к 2030 году. Инвестирует в проекты по улавливанию углерода и использует возобновляемые источники энергии для своих дата-центров. Они также разрабатывают инструменты для отслеживания и уменьшения углеродного следа своих клиентов.
- Amazon's Climate Pledge. Инициировала Climate Pledge, обязуясь достичь углеродной нейтральности к 2040 году. Активно инвестирует в возобновляемые источники энергии и разрабатывает технологии для уменьшения углеродного следа своих операций.
- DeepMind's Energy Efficiency Projects. Дочерняя компания Google, использует ИИ для оптимизации энергопотребления дата-центров. Их алгоритмы помогли снизить потребление энергии на охлаждение дата-центров на 40 %.
- IBM's Green Horizon Project. Разработали проект Green Horizon, который использует ИИ для прогнозирования и управления качеством воздуха и энергопотреблением в городах. Этот проект помогает городам уменьшить выбросы углерода и улучшить экологическую обстановку.
Будущее ИИ и устойчивое развитие
Перспективы развития искусственного интеллекта (ИИ) с учетом экологических требований и устойчивого развития включают несколько ключевых направлений:
- Разработка и внедрение более энергоэффективных алгоритмов и аппаратных средств для ИИ. Это включает в себя оптимизацию вычислительных процессов и использование специализированных чипов, которые потребляют меньше энергии.
- Переход на использование возобновляемых источников энергии для питания дата-центров и серверов, где обрабатываются данные ИИ.
- Применение ИИ для управления умными городами и транспортными системами. Включает в себя оптимизацию маршрутов общественного транспорта, управление энергопотреблением зданий и улучшение систем утилизации отходов.
- Использование ИИ для мониторинга состояния окружающей среды и прогнозирования экологических изменений. Это может помочь в раннем выявлении экологических проблем и принятии мер по их предотвращению.
- Внедрение этических норм и стандартов в разработку и использование ИИ. Обеспечение прозрачности алгоритмов, защита данных и учет социальных и экологических последствий применения ИИ.
Каждый из нас тоже может внести свой вклад в уменьшение углеродного следа и поддержку устойчивого развития ИИ. Редакция LinDeal подскажет несколько простых шагов, которые можно предпринять:
- Выключайте устройства, когда они не используются, и выбирайте энергосберегающие модели.
- Используйте темный режим на экранах и уменьшайте яркость мониторов.
- Переходите на энергосберегающие лампочки и приборы, экономьте воду и энергию, выключая свет и электроприборы, когда они не нужны.
- Сортируйте мусор и используйте многоразовую упаковку, сдавайте на переработку электронные устройства и батарейки.
- Сокращайте использование личного автомобиля, предпочитая общественный транспорт, велосипеды или пешие прогулки.
- Покупайте товары у компаний, которые придерживаются принципов устойчивого развития и минимизируют углеродный след.
Узнавайте больше о влиянии ИИ на окружающую среду и делитесь этой информацией с другими. Поддерживайте инициативы и проекты, направленные на уменьшение углеродного следа!
Теги:
Комментарии (0)
Комментариев еще нет. Будьте первыми, напишите комментарий.
Написать комментарий
Поделитесь с нами своим мнением об этой статье, напишите ваш комментарий, отзыв, рекомендации или вопросы. Нам очень важно, что вы думаете касательно данного материала!
Читаете еще на linDEAL.
Двенадцать нейросетей, которые (возможно) с легкостью заменят вам ChatGPT
Двадцать самых известных сервисов ИИ, которые генерируют текст, рисуют картины и монтируют видео (большинство совершенно бесплатно)
Что умеет приложение Microsoft Copilot? Основные возможности, как установить и пользоваться бесплатно
Самые популярные генеративные инструменты искусственного интеллекта в 2024 году — узнайте 50 лучших ИИ-помощников
Сервисы, платформы и приложения, где можно использовать ChatGPT для решения рабочих и повседневных задач
Новости на linDEAL.
Какой сегодня праздник?
Статьи и Тренды на linDEAL.
Подборки лучших книг
Двадцать лучших книг non-fiction, вышедших в 2023 году. Полный обзор с кратким описанием, объемом произведения, временем на прочтение и интересными фактами
Искусственный интеллект управляет авто, распознает лица, читает книги и даже учится шутить. Мы подготовили подборку книг, которые помогут разобраться в том, что такое AI и ML, как они работают и для чего нужны
В подборке, вы найдете, как базовые книги для новичков, так и более продвинутые издания для профи. Всё самое интересное про аппаратное обеспечение — смотрите в нашей сегодняшней статье
В нашей сегодняшней подборке вы найдете массу полезной и интересной информации, посвященной невзаимозаменяемым токенам (NFT), их созданию, хранению и продаже. Присоединяйтесь - будет интересно!
Предлагаем вашему вниманию подборку актуальных книг по программированию, геймдизайну и концепт-арту для новичков и бывалых бойцов геймдева. Все, что стоит знать об этой индустрии
Можно записаться на курсы или прослушать подкасты, но если вы рассчитываете самостоятельно вникнуть в тему криптовалюты - наша сегодняшняя подборка книг о цифровых деньгах создана специально для вас