Του Δρος Σάββα Χατζηχριστοφή*
Τα τελευταία χρόνια, η Τεχνητή Νοημοσύνη (ΤΝ) έχει εκτοξευθεί στο προσκήνιο της τεχνολογικής προόδου, φέρνοντας επανάσταση σε διάφορους κλάδους. Καθώς αυτό το ισχυρό εργαλείο γίνεται όλο και πιο διαδεδομένο, αναδύεται μια νέα πρόκληση: το σημαντικό περιβαλλοντικό τίμημα των λειτουργιών της ΤΝ. Αυτό το άρθρο εξετάζει τις περιβαλλοντικές επιπτώσεις της ΤΝ, ένα θέμα που έχει τύχει πολύ λιγότερης εξέτασης από άλλα τεχνολογικά αντίστοιχα, όπως η εξόρυξη κρυπτονομισμάτων.
Η τεχνητή νοημοσύνη και οι αλγόριθμοι της, που συχνά καθοδηγούνται από ισχυρές GPU (μονάδες επεξεργασίας γραφικών), απαιτούν σημαντικές ποσότητες ηλεκτρικής ενέργειας και νερού για την ταχεία εκτέλεση πολύπλοκων υπολογισμών. Με τη ζήτηση για εφαρμογές τεχνητής νοημοσύνης να αυξάνεται στα ύψη, έχουν κλιμακωθεί οι ανησυχίες σχετικά με τις συνέπειες που μπορεί να έχει αυτή η τεχνολογία στα οικοσυστήματα του πλανήτη μας.
Ενώ περιβαλλοντικοί ακτιβιστές και εμπειρογνώμονες έχουν εκφράσει εδώ και καιρό τις ανησυχίες τους σχετικά με την εξόρυξη κρυπτονομισμάτων, η βιομηχανία τεχνητής νοημοσύνης έχει καταφέρει να διαφύγει από ανάλογο έλεγχο μέχρι τώρα. Η αδιάκοπη επιδίωξη της καινοτομίας της ΤΝ οδήγησε τους ερευνητές να εξερευνήσουν εργαλεία δημιουργικής ΤΝ, όπως το ChatGPT και το Google Bard, τα οποία βασίζονται σε μεγάλο βαθμό σε ενεργοβόρες GPU, επιδεινώνοντας τις περιβαλλοντικές επιπτώσεις.
ΑΓΝΩΣΤΕΣ ΟΙ ΟΙΚΟΛΟΓΙΚΕΣ ΕΠΙΠΤΩΣΕΙΣ…
Η ποσοτικοποίηση των περιβαλλοντικών επιπτώσεων της ΤΝ δεν είναι απλή υπόθεση. Οι εταιρείες που αναπτύσσουν λύσεις τεχνητής νοημοσύνης, μαζί με τους ίδιους τους κατασκευαστές των ισχυρών GPU, συχνά διστάζουν να αποκαλύψουν συγκεκριμένες λεπτομέρειες σχετικά με τη χρήση ενέργειας. Κατά συνέπεια, η εκτίμηση του οικολογικού τέλους της ΤΝ παραμένει άγνωστη. Επιπλέον, ο δυσδιάκριτος χαρακτήρας της ΤΝ δημιουργεί προκλήσεις για την ευαισθητοποίηση σχετικά με τις περιβαλλοντικές της συνέπειες. Σε αντίθεση με τις απτές τεχνολογίες όπως τα αυτοκίνητα, όπου οι εκπομπές είναι ορατές, οι λειτουργίες της ΤΝ είναι κρυμμένες στα κέντρα δεδομένων. Οι τεράστιοι όγκοι νερού που χρησιμοποιούνται για την ψύξη αυτών των διακομιστών με ΤΝ περνούν απαρατήρητοι από τους τελικούς χρήστες, αφήνοντάς τους να αγνοούν το κρυφό περιβαλλοντικό κόστος.
Για να αντιληφθούμε την κλίμακα της κατανάλωσης νερού από την ΤΝ, αναλογιστείτε την εκπαίδευση του GPT-3, ενός δημοφιλούς γλωσσικού μοντέλου ΤΝ, το οποίο φέρεται να απαιτούσε το εκπληκτικό ποσό των 3,5 εκατομμυρίων λίτρων νερού, ακόμη και όταν χρησιμοποιούνταν σχετικά αποδοτικά κέντρα δεδομένων των ΗΠΑ. Ο αριθμός αυτός εκτοξεύτηκε σε σχεδόν 5 εκατομμύρια λίτρα όταν εκπαιδεύτηκε στα κέντρα δεδομένων της Microsoft στην Ασία. Με την κυκλοφορία πιο προηγμένων μοντέλων τεχνητής νοημοσύνης όπως το GPT-4, η κατανάλωση νερού φυσικά έχει αυξηθεί περαιτέρω.
Η εκτίμηση της ενεργειακής κατανάλωσης της ΤΝ και του επακόλουθου αποτυπώματος άνθρακα παρουσιάζει πρόσθετες προκλήσεις. Η ανάλυση της εκπαίδευσης του GPT-3 υποδεικνύει ότι κατανάλωσε 1.287 MWh ενέργειας, με αποτέλεσμα πάνω από 550 τόνους εκπομπών ισοδύναμου διοξειδίου του άνθρακα. Καθώς τα μοντέλα ΤΝ όπως το GPT-4 γίνονται πιο πολύπλοκα, η κατανάλωση ενέργειας είναι πιθανό να αυξηθεί, εντείνοντας περαιτέρω τις περιβαλλοντικές επιπτώσεις.
Η Gartner, μια γνωστή εταιρεία τεχνολογικών αναλυτών, προβλέπει ότι, αν δεν υπάρξουν ριζικές αλλαγές στην ανάπτυξη συστημάτων τεχνητής νοημοσύνης ώστε να ληφθούν υπόψη οι περιβαλλοντικές επιπτώσεις, η κατανάλωση ενέργειας από την τεχνητή νοημοσύνη θα ξεπεράσει την κατανάλωση ενέργειας ολόκληρου του ανθρώπινου εργατικού δυναμικού μέχρι το 2025. Μέχρι το 2030, η εκπαίδευση μηχανικής μάθησης και η αποθήκευση δεδομένων θα μπορούσαν να καταναλώνουν το εντυπωσιακό 3,5% της παγκόσμιας ηλεκτρικής ενέργειας.
ΑΝΑΓΚΑΙΕΣ ΟΙ ΒΙΩΣΙΜΕΣ ΠΡΑΚΤΙΚΕΣ ΤΝ
Καθώς η κοινωνία βρίσκεται σε ένα σταυροδρόμι, η εξέταση των περιβαλλοντικών επιπτώσεων της ΤΝ καθίσταται επιτακτική. Ακολουθώντας την αυξημένη ευαισθητοποίηση και προσοχή που επιδεικνύεται απέναντι στην εξόρυξη κρυπτονομισμάτων, οι ενδιαφερόμενοι φορείς πρέπει να αναγνωρίσουν την ανάγκη για βιώσιμες πρακτικές ΤΝ. Πρέπει να βρεθεί μια ισορροπία μεταξύ του θαυμασμού για τις εξαιρετικές δυνατότητες της ΤΝ και της αντιμετώπισης του οικολογικού κόστους που συνδέεται με την εκθετική ανάπτυξή της. Οι εκκλήσεις για μεγαλύτερη διαφάνεια από τις εταιρείες ΤΝ και τους κατασκευαστές GPU έχουν ενταθεί. Η ανάγκη ποσοτικοποίησης του περιβαλλοντικού αποτυπώματος της ΤΝ και η συνεργασία για την ανάπτυξη τεχνολογιών ΤΝ φιλικών προς το περιβάλλον δεν ήταν ποτέ πιο επιτακτική. Μια ενημερωμένη και συνειδητή προσέγγιση είναι απαραίτητη για να διασφαλιστεί ένα βιώσιμο μέλλον τόσο για την ΤΝ όσο και για τον πλανήτη μας.
*Καθηγητή Τεχνητής Νοημοσύνης, Πανεπιστήμιο Νεάπολις Πάφος, Αντιπρύτανη Έρευνας και Καινοτομίας
Διαβάστε επίσης: Γ. Ντούσκας: Όλοι θα επηρεαστούμε από τις τεχνολογίες Τεχνητής Νοημοσύνης