В последние годы искусственный интеллект (ИИ) стремительно интегрируется в различные сферы нашей жизни, от повседневных задач до серьезных технологических прорывов. Популярные чат-боты и интеллектуальные ассистенты уже обслуживают миллионы, а прогнозы говорят о дальнейшем бурном росте таких технологий. Однако с этим ростом возникает вопрос, который тревожит не только ученых и экологов, но и пользователей: сколько энергии на самом деле потребляют AI-системы и как это влияет на окружающую среду? Хотя данные об этом крайне важны для понимания экологического следа новых технологий, компании-разработчики зачастую остаются неразговорчивыми, предоставляя лишь приблизительные и неполные сведения. Для того чтобы раскрыть всю правду, необходимо разобраться, что именно стоит за энергопотреблением искусственного интеллекта и почему так сложно получить точные и достоверные данные. Первое, что стоит понимать – это сама природа работы ИИ.
Большие языковые модели и другие сложные системы базируются на процессах, требующих значительных вычислительных ресурсов. Модели обучаются на огромных объемах информации, что сопровождается интенсивными затратами электроэнергии. Помимо тренировочного этапа, энергопотребление случается и при самой работе: когда пользователь задает вопрос, запускается процесс генерации ответа, который просчитывается мощными серверами. Для известного чат-бота OpenAI, ChatGPT, глава компании Сам Альтман указал, что один запрос в среднем использует около 0.34 ватт-часов электроэнергии, сравнив это с энергопотреблением светодиодной лампочки в течение пары минут.
Однако данная цифра, хотя и кажется небольшой на первый взгляд, не отражает полного спектра затрат. В частности, неясно, включены ли в это число энергозатраты на тренировку модели, охлаждение серверов, работу инфраструктуры и прочие сопутствующие процессы. Эксперты по вопросам климата и ИИ критикуют подобные заявления за отсутствие прозрачности и деталей, которые позволили бы даже приблизительно оценить реальный экологический след. Таким образом, пока руководители компаний оглашают «факты» без подкрепления конкретикой, общественность остается в темноте. Особенно важным становится вопрос прозрачности в свете масштабного роста использования искусственного интеллекта.
Согласно исследованиям, подавляющее большинство взаимодействий с крупными языковыми моделями приходится на продукты, которые не раскрывают данные о своем энергопотреблении и выбросах углерода. Это значит, что пользователи ежедневно используют ИИ-сервисы, не имея представления о том, какой вред экологии они потенциально наносят. В этом плане открытые и доступные модели дают исследователям возможность определить ориентировочные показатели, но они пока охватывают лишь незначительную часть ИИ-рынка. Порой в публичном пространстве циркулируют сомнительные статистики, которые не имеют под собой реальной базы, но воспринимаются как истина. Например, широко распространенное утверждение, что один запрос в ChatGPT потребляет в десять раз больше энергии, чем аналогичный поиск в Google, было сказано одним из руководителей Google без подтверждения и сейчас используется во многих публикациях и отчетах по климату.
Такие заявления порождают больше недопонимания и искажений, чем просветления. В условиях жесткой конкуренции и секретности, царящей в индустрии, большинство данных об энергопотреблении и уровне эмиссий просто скрываются от публики. Исследования, основанные на открытых источниках и сопоставлении различных моделей, позволяют выявить закономерности в энергозатратах. К примеру, более сложные модели, которые выдают развернутые и точные ответы, как правило, затрачивают больше энергии, поскольку они генерируют больший объем «внутренних рассуждений» - так называемых токенов, используемых для обработки данных. Напротив, более простые и узкоспециализированные модели потребляют меньше ресурсов, но их возможности ограниченны.
Это порождает идею создания гибридных систем, способных направлять более «эффективные» запросы к менее энергозатратным моделям, оставляя сложные задачи более мощным, но энергоемким системам. Кроме того, аппаратное обеспечение играет ключевую роль в общей формуле. Графические процессоры, используемые для обучения и работы ИИ, отличаются по энергоэффективности. Новейшие модели GPU, например, Nvidia H100, специально оптимизированы под задачи ИИ, но при этом потребляют больше энергии, чем предыдущие версии. Географическое расположение дата-центров также влияет на углеродный след, в зависимости от того, насколько энергия, подаваемая в них, «зеленая» или базируется на углеводородах.
Помимо собственно работы процессоров, важна инфраструктура дата-центров: системы охлаждения, освещение, сетевое оборудование, что в совокупности добавляет значительную долю энергопотребления. Более того, эти центры часто работают в режиме пики и спадов в течение суток, что влияет на суммарный расход электроэнергии. Все эти компоненты должны учитываться при оценке общего углеродного следа использования ИИ. Важнейшим этапом является обучение моделей и их регулярное обновление. Именно этот процесс представляет собой один из самых значительных источников энергетических затрат, часто оставшихся в тени публичных отчетов.
Тренировка моделей требует массивных вычислительных кластеров, работающих днями и даже неделями подряд. Без прозрачных данных о том, сколько именно энергии уходит на этот этап, невозможно суммировать общие экологические издержки ИИ. Учитывая все вышесказанное, появляется очевидная необходимость в обязательном и глобальном раскрытии данных о выбросах и энергопотреблении ИИ-компаниями. Это позволит исследователям, политикам и общественности создавать более информированные представления о совокупном влиянии технологии на климат. Кроме того, такие данные будут стимулировать разработку более энергоэффективных алгоритмов и оптимизацию инфраструктуры.
Сложность вопроса также заключается в противоречии между коммерческими интересами и общественной ответственностью. Компании стараются представлять свои продукты в наиболее выгодном свете, подчеркивая инновации и пользу для пользователей, при этом скрывая детали, которые могут вызвать критику. В то же время потребители зачастую не заинтересованы в технических деталях, ориентируясь прежде всего на качество и скорость работы сервисов. Это создает дефицит мотивации для открытости, пока не будут введены регуляторные нормы или общественный запрос на прозрачность. В итоге, поднимаемый всеми в индустрии вопрос использования энергии искусственным интеллектом остается недостаточно исследованным и плохо освещенным в массовом сознании.
Без тщательного и честного анализа невозможно надежно оценить его вклад в глобальную проблему изменения климата. Однако потенциал ИИ в направлении более устойчивого развития огромен. Он может использоваться для оптимизации энергопотребления, разработки новых подходов к возобновляемым источникам энергии и создания интеллектуальных систем управления инфраструктурой с минимальным экологическим воздействием. В ближайшем будущем путь к энергосбережению в области ИИ лежит через сотрудничество ученых, индустрии и государственных организаций. Только скоординированная работа позволит не просто понять, сколько именно энергии потребляет искусственный интеллект, но и найти способы сделать его работу максимально экологически безопасной.
Для этого необходима полная и прозрачная отчетность, просвещение пользователей и стимулирование энергоэффективных инноваций. Лишь тогда технологии ИИ смогут реально служить прогрессу, не нанося непоправимого ущерба нашему общему дому — планете Земля.
