Въздействието ChatGPT относно потреблението на вода в цифровата инфраструктура

Въведение: Невидимата цена на изкуствения интелект

В съвременната дигитална епоха изкуственият интелект се превърна в незаменим инструмент за милиони потребители по целия свят. От генериране на текст и код до анализ на сложни данни, моделите с големи езикови модели (LLM) като например ChatGPT революционизираха начина, по който взаимодействаме с технологиите. Но зад тази дигитална революция се крие често пренебрегвана цена: огромно потребление на природни ресурси, особено водаСкорошно проучване разкри изненадваща реалност – писането на прост имейл от 100 думи, използвайки ChatGPT може да консумира приблизително 500 мл вода, еквивалент на стандартна бутилка за напитки. Това откритие повдига фундаментални въпроси относно устойчивостта на моделите с изкуствен интелект и отговорността на технологичните компании към околната среда.

Какво означава консумацията на вода в контекста на центровете за данни?

Механизмът за охлаждане на цифровата инфраструктура

За да разберем защо изкуственият интелект консумира вода, трябва да разгледаме задълбочено инфраструктурата, която поддържа тези системи. Центрове за данни представлява оперативното сърце на всяка услуга cloud или изкуствен интелект. Те разполагат с хиляди сървъри с високопроизводителни графични процесори (GPU), които генерират огромни количества топлина, докато обработват информация. За да предотвратят прегряване на оборудването и да поддържат оптимални работни температури, технологичните компании използват усъвършенствани охладителни системи, най-разпространената и енергийно ефективна от които е изпарително охлажданеТази система работи чрез изпаряване на вода, която абсорбира излишната топлина от въздуха и я разсейва в атмосферата. Въпреки че е термодинамично ефективен, този процес консумира значителни количества питейна или промишлена вода, което допринася значително за водния отпечатък на цифровите услуги.

PUE и WUE – Показатели за ефективност на центровете за данни

В индустрията за центрове за данни два ключови показателя измерват ефективността на потреблението на ресурси: PUE (Ефективност на потреблението на енергия) si WUE (Ефективност на използването на водата)PUE е съотношението на общата консумирана енергия от център за данни към енергията, използвана изключително от ИТ оборудване, а WUE измерва обема на консумираната вода на единица генерирана енергия (литри/kWh). Според последните доклади, големи технологични компании като Microsoft, Google и Amazon Web Services имат центрове за данни със стойности на WUE, които могат да варират между 0.2 и 1.8 литра на kWh, в зависимост от географското местоположение, използваната технология за охлаждане и местните климатични условия. Генеративни модели на изкуствен интелект, включително ChatGPT, работи на масивни клъстери от графични процесори, като например NVIDIA A100 или H100, които имат изключително висока енергийна плътност, като по този начин пропорционално увеличават консумацията на вода, необходима за охлаждане.

Проучването, което разтревожи технологичната индустрия: 500 мл на имейл

Методология на изследването

Изследването, публикувано и поето от Ecoticias, е проведено от група изследователи от Калифорнийския университет в Ривърсайд и Тексаския университет в Арлингтън. Проучването, озаглавено „Да направим изкуствения интелект по-малко жаден“, анализира подробно консумацията на вода на моделите ChatGPT-3.5 и ChatGPT-4, като се вземе предвид както потреблението от фазата на обучение, така и от фазата на извод. Методологията включваше изчисляване на прякото потребление на вода – това, което физически се използва в центровете за данни за охлаждане – но също и непрякото потребление, свързано с производството на електроенергия, необходима за захранване на сървърите. Резултатите показаха, че Генерирането на прост имейл от 100 думи изисква приблизително 17.6 течни унции (около 520 мл) вода, количество, което може да изглежда незначително на индивидуално ниво, но става тревожно, когато се умножи в глобален мащаб.

Мащабируемост на проблема: От имейл до екосистеми

За да разберем истинския мащаб на този проблем, трябва да разгледаме данните от мащабируема гледна точка. ChatGPT превишен 100 милиона активни потребители само за два месеца след старта, превръщайки се в най-бързо развиващото се приложение в историята. Ако всеки потребител изпраща само 5 разговора на ден и всеки разговор генерира еквивалентното потребление на имейл от 100 думи, говорим за стотици милиони литри вода, консумирани ежедневно само за захранване на една услуга с изкуствен интелект. Според оценките в проучването, обучението на модела GPT-3 директно е изразходвало приблизително 700 000 литра вода, достатъчно за производството на 370 автомобила BMW или 320 Tesla Model 3. Тези цифри поставят в реална перспектива екологичната цена на разработването на авангардни модели с изкуствен интелект.

Сравнение с други цифрови технологии и ежедневни дейности

Изкуствен интелект срещу търсачка срещу традиционен имейл

За да се контекстуализира въздействието ChatGPT, полезно е да се сравни консумацията му на вода с други често срещани дигитални дейности. Едно просто търсене в Google изразходва приблизително 0.3 Wh енергия и генерира около 0.2 грама CO2, със значително по-малка консумация на вода в сравнение със сложните изводи с изкуствен интелект. Изпращането на традиционен имейл, без обработка с изкуствен интелект, изразходва около 20-50 пъти по-малко вода отколкото генерирането на същото съдържание с ChatGPTСтриймингът на видео в платформи като Netflix или YouTube също консумира значителни ресурси, но генеративните модели с изкуствен интелект надминават тези стойности чрез изчислителната сложност, включена в процеса на извод. Основната разлика е, че LLM моделите изпълняват милиарди математически операции (FLOPS – операции с плаваща запетая в секунда) за всеки генериран токен, за разлика от простото предоставяне на статично или предварително обработено съдържание.

Общ воден отпечатък на жизнения цикъл на изкуствения интелект

Водният отпечатък на един модел с изкуствен интелект трябва да се оценява през целия му жизнен цикъл, не само във фазата на употреба. Фаза преди обучението Това включва изпълнение на модела върху милиарди параметри в продължение на седмици или месеци на огромни клъстери от графични процесори, консумирайки огромни количества енергия и вода. Фаза на фина настройка и синхронизирането чрез обучение с подсилване от човешка обратна връзка (RLHF) добавя значително допълнително потребление. И накрая, фаза на извод, където потребителите активно взаимодействат с модела, представлява непрекъснат и нарастващ източник на потребление на ресурси. Microsoft, която инвестира сериозно в OpenAI, отчете растеж 34% от световното потребление на вода през 2022 г. в сравнение с 2021 г., увеличение, което се дължи отчасти на разширяването на възможностите на изкуствения интелект. Google е отбелязал подобно увеличение на 20%, достигайки почти 6 милиарда галона вода, консумирана за една година.

Отговор на индустрията: Технически решения и ангажименти за устойчивост

Иновации в охлаждането на центрове за данни

Технологичната индустрия не пренебрегва този проблем и инвестира сериозно в иновативни технически решения за намаляване на потреблението на вода. Директно течно охлаждане (DLC) представлява една от най-обещаващите технологии, включваща циркулация на охлаждаща течност директно през сървърните компоненти, елиминирайки необходимостта от традиционно изпарително охлаждане. Охлаждане с морска или подпочвена вода Използва се в центрове за данни, разположени в райони със студен климат, като тези в Скандинавия или Ирландия, като значително намалява потреблението на питейна вода. Microsoft дори експериментираха с подводни центрове за данни (Проект Natick), изследващ естественото охлаждане чрез океанска вода. Също така, технологии за охлаждане рециркулация на водата в затворен кръг и системите за оползотворяване на отпадната топлина за отопление на близки сгради представляват активни насоки за изследване и внедряване.

По-ефективни модели с изкуствен интелект: компресия и дестилация

В допълнение към оптимизирането на физическата инфраструктура, изследователите работят усилено за разработването на по-изчислително ефективни модели на изкуствен интелект. Техники като квантуване (намаляване на числената точност на параметрите на модела от 32-битово число с плаваща запетая до 8-битово или дори 4-битово цяло число), резитба (елиминиране на невронните връзки с минимален принос) и дестилация на знания (обучаване на по-малък модел за имитиране на поведението на по-голям модел) позволяват значително намаляване на ресурсите, необходими както във фазата на обучение, така и във фазата на извод. Модели като Мистрал 7Б, LLaMA 3 или Фи-3 от Microsoft показва, че висока производителност може да се постигне с много по-компактни архитектури, като по този начин се намалява свързаният с това въглероден и воден отпечатък. Архитектурите на смесени експерти (MoE), използвани в GPT-4 и Mixtral, активират само част от параметрите на модела за всеки токен, подобрявайки изчислителната ефективност, без да се жертва качеството на изхода.

Етични последици и бъдещи регулации

Корпоративна прозрачност и ESG отчетност

Един от най-критичните аспекти на този проблем е липса на прозрачност от страна на технологичните компании по отношение на отчитането на потреблението на ресурси, свързано с услуги с изкуствен интелект. В момента малко компании публикуват подробни данни за потреблението на вода по извод или по обучен модел. Нарастващият натиск от страна на инвеститори, регулатори и гражданско общество обаче тласка индустрията към по-строги стандарти за отчитане в областта на ESG (екологични, социални и управленски) аспекти. ЕС работи по специфични разпоредби чрез Закон за ИИ и Директивата за корпоративно отчитане на устойчивостта (CSRD), която би могла да изисква от компаниите да отчитат екологичния отпечатък на своите системи с изкуствен интелект. Тези разпоредби биха създали предпоставки за „цена на водата“, имплицитно включена в цената на услугите с изкуствен интелект, стимулирайки иновациите към по-ефективно потребление на ресурси.

Отговорност на потребителите и организациите

Освен корпоративната отговорност, отделните потребители и организациите, които внедряват решения с изкуствен интелект, също играят важна роля за намаляване на въздействието върху околната среда. Съвестно използване на изкуствен интелект Това включва избягване на генерирането на ненужно или излишно съдържание, избор на по-малки, по-ефективни модели, когато задачата не изисква възможностите на топ модел, и внимателна оценка на съотношението цена-полза за всяко внедрено приложение с изкуствен интелект. Компаниите могат да приемат политики „Ефективност на изкуствения интелект още по дизайн“, интегриране на критериите за енергийна и водна ефективност в процеса на избор и внедряване на решения с изкуствен интелект. Инструменти за наблюдение на потреблението на енергия, като например CodeCarbon или ML CO2 Impact Calculator, могат да помогнат на екипите data science да измерват и оптимизират екологичния отпечатък на своите проекти за машинно обучение.

Бъдещи перспективи: Устойчив изкуствен интелект в ерата след 2025 г.

Тъй като моделите с изкуствен интелект се интегрират все повече във всички аспекти на икономическия и социалния живот, устойчивостта се превръща в критично измерение на технологичното развитиеИзследователи и инженери в областта работят върху напълно нови компютърни парадигми, като например невроморфни изчисления (изчисление, вдъхновено от структурата на човешкия мозък, с консумация на енергия от порядъка на mW) и оптично изчисление (изчисления, базирани на фотони вместо на електрони), които обещават драстично намаляване на потреблението на енергия и, имплицитно, на вода. Edge AI – преместването на обработката с изкуствен интелект директно върху устройствата на потребителите, елиминирайки необходимостта от изпращане на данни до отдалечени центрове за данни – е друга обещаваща насока за намаляване на екологичния отпечатък. Компаниите, които успеят да разработят мощни, но устойчиви системи с изкуствен интелект, ще получат значително конкурентно предимство в свят, където природните ресурси стават все по-ценни, а екологичните разпоредби – по-строги.

Заключение

Откритието, че един обикновен имейл, генериран с ChatGPT консумира приблизително 500 мл вода Това е повече от просто изненадваща статистика – това е зов за събуждане за цялата технологична индустрия и дигиталното общество като цяло. Изкуственият интелект не е безплатна технология; напротив, той е свързан със значителен екологичен отпечатък, невидим за крайния потребител, но много реален на ниво планетарни екосистеми. Бъдещето на устойчивия изкуствен интелект зависи от конвергенцията на техническите иновации – по-ефективен хардуер, по-компактни алгоритми, иновативни системи за охлаждане – и политическата воля за налагане на стандарти за прозрачност и корпоративна отговорност. В същото време, обучението на потребителите и специалистите в областта относно въздействието на технологиите за изкуствен интелект върху околната среда е от съществено значение за изграждането на наистина отговорна и устойчива цифрова екосистема в дългосрочен план.

Със сигурност сте разбрали какво е новото през 2026 г., свързано с изкуствения интелект. Ако се интересувате от задълбочаване на знанията си в областта, ви каним да разгледате нашата гама от курсове, структурирани по роли и категории в... AI ХЪБ. Независимо дали тепърва започвате или искате да подобрите уменията си, ние имаме курс за вас.