AI har et utroligt potentiale, men der er nogle alvorlige ulemper, der skal overvejes.
Med AI-løbet, der skrider frem hurtigere end nogensinde, bekymrer mange sig om, hvordan disse teknologier vil påvirke økosystemet. AI-adoption fortsætter med at stige. Sammen med det vil dets CO2-fodaftryk kun forværres, hvis udviklere, slutbrugere og regulerende organer bliver ved med at trække på skuldrene af dets miljøpåvirkning.
Når det er sagt, er bæredygtig masseadoption stadig mulig. Men enkeltpersoner og organisationer skal arbejde sammen for at løse, hvordan AI skader miljøet.
Nøgle takeaways
- AI computing bruger enorme mængder energi, hvilket bidrager til dets store CO2-fodaftryk. Udviklere og brugere bør være opmærksomme på miljøpåvirkningen og overveje mere bæredygtig praksis.
- Den hurtige udvikling inden for kunstig intelligens viderefører en engangskultur, hvilket fører til spildende ressourceforbrug. Forbrugerne bør undgå unødvendige indkøb, og virksomheder bør prioritere meningsfulde innovationer.
- Der er i øjeblikket ikke noget centralt styrende organ, der regulerer brug og udvikling af kunstig intelligens, hvilket efterlader økologiske bekymringer nederst på prioriteringslisten. Samarbejde mellem regering og miljøgrupper er nødvendigt for at minimere miljøpåvirkningen af AI.
1. AI Computing kræver massiv energi
Hovedsynderen bag generativ AI's store CO2-fodaftryk er dens strømforbrug. Tag chatbots som et eksempel. ChatGPTs høje tokengrænse og hurtig inputbehandling har et massivt energibehov. De fleste brugere er ikke klar over de ressourcer, der kræves for hver søgeforespørgsel – de oversvømmer uden tanke chatbots med tilfældige prompter.
Semianalyse lavet en omkostningsmodel af ChatGPT. De siger, at OpenAI kører 3.617 HGX A100-servere for at besvare de millioner af meddelelser, som ChatGPT modtager dagligt.
Hver server bruger 3.000 watt-timer, hvis de ligner Nvidia HGX A100. Så for at 3.617 enheder skal køre 24/7, har de brug for hele 95.054.760.000 watt-timer eller 95.054,76 megawatt-timer om året. Til reference, New York City bruger 5.500 til 10.000 megawatt-timer dagligt.
AI's hurtige vækst fastholder en smid-kultur. Tech-forbrugere presses til at få de nyeste systemer på markedet, uanset om de har brug for det eller ej. Nogle forstår knapt nok disse gadgets. De forfølger "den næste store ting", fordi virksomheder lover nye og forstyrrende funktioner.
Ved at bukke under for denne uholdbare livsstil gør forbrugerne det muligt for teknologiske ledere at kontrollere efterspørgslen efter AI-platforme. Ressourcer spildes på overflødige værktøjer, der giver ubetydelige fordele.
Tag ChatGPT, for eksempel. Millioner af udviklere udnyttede dens boom ved at frigive deres AI-drevne chatbots. Mens teknologiske ledere som Microsoft, Meta og Google byggede innovative sprogmodeller, hoppede de fleste virksomheder blot på tendensen.
Undgå at downloade ubekræftede AI-chatbots online. Hackere bruger falske ChatGPT-apps at narre brugere til at videregive personlige oplysninger og betale ublu abonnementsgebyrer.
3. Intet centralt styrende organ regulerer brug og udvikling af kunstig intelligens
AI's hurtige fremskridt overstiger styrende retningslinjer og restriktioner. Selv globale tech-ledere kan lide Sam Altman, OpenAIs administrerende direktør, opfordrer til strengere AI-reguleringsindgreb at styre kraftfulde modeller. På nuværende tidspunkt er der ingen enkelt myndighed, der overvåger og regulerer AI-aktiviteter.
Men selvom regeringsorganer begynder at tackle AI-relaterede risici, vil økologiske skader være nederst på deres liste. De vil sandsynligvis prioritere AI-hallucinationer, etiske krænkelser og privatlivstrusler. Selvom det er lige så vigtigt, bør disse forhold ikke overskygge de negative økologiske virkninger af AI.
Regeringen skal samarbejde med miljøgrupper for at overvåge teknologivirksomheder. De kunne minimere CO2-fodaftrykket for AI-udviklere ved at regulere deres strømforbrug, bortskaffelsesmetoder og mineraludvinding.
4. AI-drevet landbrugsindsats prioriterer udbytte over økosystemsundhed
Landbrugssektorer udforsker måder at integrere AI-baserede systemer i landbruget. Strategisk implementering kan hjælpe med at maksimere afgrødevækst, automatisere manuelt arbejde og bekæmpe naturkatastrofer og samtidig minimere overhead. Agricultural AI er en industri i vækst. Market.us forudsiger endda, at den globale markedsstørrelse vil overstige 10,2 milliarder dollars i 2032.
På trods af disse fordele overser agricultural AI stadig det massive strømforbrug ved træning og opbygning af disse systemer. Prioritering af høje afgrødeudbytter og effektive høstmetoder kompromitterer også økosystemet. Med denne hastighed kunne kunstig intelligens utilsigtet fremme intensiv landbrugspraksis, der ødelægger og dehydrerer jord.
5. Træning AI kræver afprøvning og fejl
Træning af AI-drevne platforme på milliarder af parametre kræver enorme ressourcer. Mellem forberedelse af datasæt til skrabning og indlæsning af dem i AI-modeller kan processen nemt tømme millioner af watt-timer.
Datatestning består også af strenge forsøg og fejl. Udviklere vil fortsætte med at forbruge massive energiressourcer, mens de udvikler modelgentagelser, fejlfinder problemer og retter unøjagtigheder.
Lad os tage ChatGPT som et eksempel. EN undersøgelse ved Cornell University viser, at OpenAI forbrugte 405 V100 GPU-år af energi for at træne GPT-3 på 175 milliarder parametre. Mere enkelt sagt ville en V100 GPU tage 405 år at bygge ChatGPT.
Forudsat at OpenAI bruger noget der ligner Nvidia V100 GPU'er, som forbruger 300 watt-timer, svarer 405 års strømforbrug til 1.064.340.000 watt-timer. Til reference bruger de fleste husstande 30.000 watt-timer om dagen. Så den energi, som OpenAI brugte til at træne ChatGPT i starten, kunne drive 35.478 huse i 24 timer.
Den hardware, der bruges til at bygge, træne og kommercialisere AI-programmer, består af forskellige jordmetaller. Tag GPU'er som et eksempel. At fremstille dem kræver blandt andet kobber, tin, sølv og zink, og teknologivirksomheder har brug for tusindvis af GPU'er for at vedligeholde AI-systemer.
Udviklere bør undersøge alternative metoder til indkøb af råvarer. Ellers vil skadelige mineaktiviteter kun eskalere, efterhånden som efterspørgslen efter AI-relateret hardware stiger. Selv de største miner ville løbe tør efter flere årtier.
7. Potentiel trafikpropper
AI kan bygge en mere energieffektiv, smart fremtid for bilindustrien. En undersøgelse af International Journal of Environmental Research and Public Health anfører, at selvkørende biler producerer 50 til 100 procent mindre CO2-udledning end traditionelle køretøjer. Bilproducenter verden over vil gradvist integrere kunstig intelligens i deres enheder.
Selvom de er brændstofeffektive, øger fremkomsten af AI-styrede biler også trafikpropper i tætbefolkede byer. Private køretøjer vil fortsat være større end offentlige transportknudepunkter. EN longitudinelle undersøgelse ved University of Adelaide siger, at forbrugerne foretrækker at købe førerløse biler frem for pendling eller delebiler.
8. AI Evolution øger e-affald
AI udvikler sig hurtigt, fordi udviklere bliver ved med at udgive nye hardware- og softwareprodukter. De ønsker alle at dominere det globale marked først. Desværre bidrager det at forfølge disruptive teknologier til samfundets voksende e-affaldsproblem. Husk: vedligeholdelse af AI-systemer kræver tusindvis af GPU'er og servere, hvoraf de fleste ikke kan genbruges.
Verden tæller rapporterer, at 85 procent af e-affald går til lossepladser og forbrændingsanlæg, og 70 procent indeholder giftige elementer. AI-udviklere bør udforske mere bæredygtige bortskaffelsesmetoder. Økologisk praksis som reduktion af fossilt brændstofforbrug, forlængelse af hardwares livscyklus og design af genbrugsmetoder vil revidere industrien.
Er AI dårligt for miljøet?
På trods af de skadelige miljøeffekter af AI, er det ikke i sig selv uholdbart. De fleste af ovenstående problemer stammer fra, hvordan mennesker designer, programmerer, implementerer og administrerer AI-drevne teknologier. Teknologivirksomheder bør stoppe med at ofre økologiske metoder for hurtige fremskridt. Selv at nå toppen af kunstig generel intelligens vil ikke retfærdiggøre udtømning af Jordens naturressourcer.
Virksomheder skal også prioritere miljøvenlig teknologi. AI's forretningsmæssige, kommercielle og industrielle applikationer overskygger dets potentiale til at hjælpe miljøet. Industrien er allerede oversvømmet med tilfældige AI-apps og værktøjer. Men ikke nok udviklere interesserer sig for at udnytte AI til ressourcebevarelse og klimaændringer.
