Влияние искусственного интеллекта на окружающую среду ( greenpeace.de )
> Гринпис призывает к следующим мерам по минимизации воздействия искусственного интеллекта на окружающую среду:
> 1. Энергоэффективная инфраструктура ИИ, работающая на 100% на возобновляемой энергии. Эта зеленая энергия должна быть дополнительно сгенерирована.
> 2. Компании, занимающиеся разработкой ИИ, должны раскрывать: а. Сколько электроэнергии используется при работе их ИИ. б. Сколько энергии потребляют пользователи во время использования ИИ. в. Цели, для которых обучались их модели, и какие параметры окружающей среды учитывались.
> 3. Разработчики ИИ должны взять на себя ответственность за свои цепочки поставок. Они должны способствовать расширению возобновляемой энергии в соответствии со своим ростом и гарантировать, что местные сообщества не пострадают от негативных последствий (например, нехватка питьевой воды, более высокие цены на электроэнергию).
Существует ли термин «энергетическая нейтральность», родственный термину «сетевая нейтральность»?
Хотим ли мы как общество погрязнуть в трясине, рассказывая людям, для каких видов деятельности они могут использовать энергию?
Если мы заботимся об экономии ватт-часа, есть много мест, куда можно обратиться. Указывать пальцем на невероятное потребление энергии интернет-видео высокой четкости может показаться не очень удобным для многих людей.
> 2. Компании, занимающиеся разработкой ИИ, должны раскрывать: а) объем электроэнергии, потребляемой при работе их ИИ;
Разве обучение модели не потребляет больше всего энергии в большинстве случаев?
Ситуация быстро меняется.
Google объявили, что они обслуживают 500T токенов в месяц. Современные модели в настоящее время обучаются с менее чем 30T токенами. Даже если обучающие токены более затратны для запуска (например, фактор 3x для прямых, обратных и весовых обновлений и еще фактор 2x для отсутствующего квантования), вы оказываетесь в ситуации, когда вычисление вывода доминирует над обучением после очень короткого времени амортизации.
Зависит. Для моделей CoT вывод значительно более затратен (по сравнению с обычными моделями).
Также,
>Брент Тилл из Jefferies, аналитик, подсчитал, что [вывод] составляет 96% от общего объема энергии, потребляемой в центрах обработки данных, используемых в индустрии ИИ.
Source: news.ycombinator.com