késleltetett adatok
Árfolyamok: 15 perccel késleltetett adatok
Fenntarthatósági szempontból az emberi agy fényévekkel előzi a mesterséges intelligenciát
Az elmúlt hetekben agyonhájpolt mesterséges intelligencia (MI) kapcsán számos okos szakértő emelte ki a gépi tanulás, a robotika és a chatbotok előnyeit, sokan adtak hangot a munkahelyek potenciális elvesztése miatti félelmeiknek is, ám arról még nemigen esett szó, hogy miközben az MI valóban segítheti a gazdaság működését, vajon mennyi energiát igényel a működtetése, és hogyan illeszkedik a környezeti fenntarthatóság kritériumrendszerébe.
Az Oilprice energetikai portál szerint például ahhoz, hogy a San Franciscó-i OpenAI kutatói 2020-ban bemutathatták a világnak tanulásra képes algoritmusukat, amely robotkezek segítségével kirakott egy Rubik-kockát, több mint ezer számítógépre és egytucatnyi további, speciális, grafikus csipet futtató gépre volt szükség.
Nem is csoda, hiszen hónapokon keresztül kellett bonyolult számításokat végezniük, hogy ezt a bravúrt elérjék.
A teljes folyamat becslések szerint körülbelül 2,8 gigawattóra áramot fogyasztott, ami három atomerőmű teljesítményének felel meg egy órán keresztül, bár ezt a vállalat nem erősítette meg.
Mindez általánosságban is elmondható az MI-vel kapcsolatban. Hatalmas mennyiségű számítási teljesítményt és villamos energiát igényel az algoritmusok létrehozása és megoldása.
Az aggodalmakat az kelti, hogy a gépi tanuló algoritmusok általában egyre több energiát fogyasztanak, egyre több adatot használnak és egyre hosszabb ideig tanulnak
– mondta el az Oilprice-nak Sasha Luccioni, a mesterséges intelligenciával foglalkozó Mila kanadai tudományos intézet kutatója.
Az elmúlt néhány évben pedig a mesterséges intelligencia fokozatosan beépült a mindennapi életünkbe, például a telefonunkon és otthoni számítógépünkön elérhető Alexa vagy Siri válaszol a kérdéseinkre, a Google Maps kikeresi a kért térképeket, vagy fényképek alapján azonosítja az embereket.
Kevesen gondolnak azonban bele, hogy mennyi energiára van szükség ezeknek a látszólag egyszerű feladatoknak az elvégzéséhez. Gyakran hasonlítják a gépeket az emberekhez, amikor ilyen típusú feladatokról van szó, feltételezve, hogy a számítógépek ugyanúgy válaszolnak a kérdésekre, mint az agyunk, azaz viszonylag kis erőfeszítéssel.
A mesterséges intelligencia azonban nem strukturált módon tanulja meg az információkat, nem érti az olyan emberi fogalmakat, mint az ok-okozat, a kontextus vagy az analógiák, ami azt jelenti, hogy a mélytanulás statisztikai megközelítéssel történik.
Ahhoz például, hogy azonosítani tudjon egy macskaképet, macskákról készült, felcímkézett fotók ezreit kell megmutatni neki. A modell nem érti meg, hogy egy macska nagyobb valószínűséggel mászik fára, mint egy kutya, vagy végez más macskás tevékenységeket, és csak akkor tudja ezeket a fogalmakat társítani, ha azok szerepelnek a képeken.
Ahhoz, hogy a modell megértse a képet, az összes lehetséges kombinációt meg kell mutatni neki.
Ugyanez a helyzet az energiaiparban, ahol eddig túlnyomórészt pozitívan ítélték meg, hogy a mesterséges intelligencia révén növelnék a hatékonyságot, illetve csökkentenék a költségeket.
A szakértők azonban attól tartanak, hogy az ilyen típusú technológiák magas energiaigényét eddig meglepő módon figyelmen kívül hagyták.
Ha ugyanis a mesterséges intelligenciát az energetikai projektekben a modernizációra és a szén-dioxid-mentesítésre használják, félő, hogy a chatbotok és a képgenerátorok hatalmas mennyiségű árramigénye miatt nagyobb kárt okoznak a környezetnek, mint amennyit használnak.
Jelenleg azonban még sok a homály a mesterséges intelligencia működtetéséhez szükséges energiamennyiség körül.
Ha például valaki a ChatGPT-nek felteszi a kérdést, az a következő választ adja:
MI nyelvi modellként nincs fizikai jelenlétem, és közvetlenül nem fogyasztok energiát.
A programok összetettsége miatt viszont mégis sokkal több energiát fogyasztanak, mint a számítástechnika többi ágazata,
de az ezeket a programokat fejlesztő vállalatok, például a Google és a Microsoft, nem hozzák nyilvánosságra, hogy mennyit.
Ezért nagyon keveset tudunk arról, hogy mennyi áram és víz szükséges a modellek betanításához és működtetéséhez, és hogy milyen energiaforrásokat használnak adatközpontjaik működtetéséhez.
Sasha Luccioni szerint mindenesetre:
A mesterséges intelligencia exponenciális használatához egyre több és több energiára van szükség, és mégis azt látjuk, hogy anélkül használják a generatív MI-modelleket, hogy a fenntarthatóságot figyelembe vennék.
Portfóliónk minőségi tartalmat jelent minden olvasó számára. Egyedülálló elérést, országos lefedettséget és változatos megjelenési lehetőséget biztosít. Folyamatosan keressük az új irányokat és fejlődési lehetőségeket. Ez jövőnk záloga.