virtperson.net

**Энергия для размышлений: проблемы энергозатратности современных ИИ-решений** Если бы искусственный интеллект умел краснеть от стыда (как в старых фантастических фильмах про разумные компьютеры), он, возможно, покраснел бы сейчас. Почему? Потому что за каждым «умным» алгоритмом, который выдает вам советы по выбору фильма или генерирует картинку по вашему описанию, стоит колоссальный углеродный след. И это не какая-то абстрактная проблема будущего. Энергозатратность современных ИИ-решений уже сейчас становится острым вопросом для индустрии технологий — и планеты в целом. Когда мы говорим о том, что искусственный интеллект съедает огромное количество энергии, мы имеем в виду в первую очередь глубокое обучение. Архитектуры вроде GPT, BERT или DALL·E требуют огромных объемов вычислительных ресурсов, чтобы тренировать свои модели. Например, согласно исследованию, опубликованному в *MIT Technology Review*, стоимость углеродного следа одной только тренировки большой языковой модели может превышать общий выброс углекислого газа от эксплуатации автомобиля за весь его срок службы. Почему так дорого? Причина — в вычислительных мощностях и их потреблении. Обработка огромных объемов данных и выполнение сложных математических операций требуют сотен или тысяч мощных графических процессоров (GPU) или новых тензорных процессоров (TPU). А эти машины работают круглосуточно неделями или даже месяцами, буквально «выжигая электричество». Для сравнения: если вы сидите дома с включенным компьютером для работы, вы, скорее всего, тратите меньше 0,5–1 кВтч в час. Но если вы запускаете обучение масштабной машинной модели, потребление может вырасти до десятков или даже сотен кВтч на базе данных мощностей. И здесь возникает одна из главных дилемм. С одной стороны, компании хотят все более продвинутые модели, способные понять человеческий язык, рисовать картины, писать песни и даже вести бизнес-аналитику. С другой — рост качества моделей неизбежно требует роста их сложности, а это увеличивает энергопотребление. Выходит, что современный тренд на большие языковые модели и генеративный ИИ несет с собой высокую цену для экологии. Например, OpenAI, компания, стоящая за ChatGPT, для обучения GPT-3 использовала сотни терафлопов вычислительных операций в секунду на протяжении недель. Более свежие модели, такие как GPT-4, требуют еще большего количества ресурсов, так как их архитектуры, объемы данных и сложность многократно возросли. Точная информация о расходах на обучение этих моделей сопровождается коммерческой тайной, но уже известно, что речь идет о десятках миллионов долларов и внушительных объемах электричества. Одной из проблем является также эксплуатация самых продвинутых ИИ моделей в повседневной жизни. Что происходит, когда миллионы пользователей каждый день обращаются к «облачным» ИИ инструментам? Каждый запрос, каждое сгенерированное изображение или текст требует вычислительных операций на серверах, которые также потребляют энергию. Чем больше пользователей ИИ, тем больше данных приходится обрабатывать, и тем выше нагрузка на инфраструктуру и окружающую среду. Решения? Конечно, никто не собирается отказываться от ИИ, он уже стал частью нашей жизни и продолжит развиваться. Однако индустрия начинает осознавать необходимость более устойчивых подходов. Компании разрабатывают более энергоэффективные алгоритмы, создают специализированные процессоры, занимаются оптимизацией инфраструктуры. Например, использование так называемых «легковесных» моделей, способных обрабатывать запросы локально, без облачных вычислений, может значительно снизить углеродный след. Также популярность набирает идея зеленого ИИ (*Green AI*): использование возобновляемых источников энергии для питания дата-центров и оптимизация всех уровнях создания и эксплуатации ИИ. Резюмируя, можно сказать, что мы подходим к порогу, когда задача будущего ИИ будет заключаться не только в том, чтобы «думать быстрее и лучше», но и в том, чтобы делать это экологично. Искусственный интеллект, как и его создатели, должен брать на себя ответственность за то, как он влияет на наш мир. Что вы думаете об этой проблеме? Стоит ли нам замедлить развитие ИИ в угоду экологии или продолжать гнаться за прогрессом, невзирая на энергозатраты? Давайте обсудим.