- ИИ потребляет огромное количество воды, особенно в процессе обучения.
- Крупные технологические компании начинают уделять внимание использованию воды.
- Умное планирование задач ИИ позволяет экономить воду и снижать выбросы углерода.
В groundbreaking исследовании исследователи из Калифорнийского университета в Риверсайде и Техасского университета в Арлингтоне осветили ранее упускаемый из виду водный след технологии искусственного интеллекта (ИИ). Команда под руководством доцента Шаолея Рэна количественно оценила потребление воды, связанное с обучением и запуском крупномасштабных моделей ИИ, обратив внимание на аспект устойчивости, который часто затмевается дискуссиями о выбросах углерода.
Раскрытие результатов об ИИ
Результаты исследования команды показывают ошеломляющее потребление воды моделями ИИ, особенно на этапе обучения. Например, обучение GPT-3 только в центрах обработки данных Microsoft в США может потребить 700 000 литров чистой пресной воды. Это количество эквивалентно воде, необходимой для производства сотен электромобилей.
Более того, водный след увеличивается в три раза, если обучение проводится в азиатских центрах обработки данных. Даже во время вывода модели (инференса) короткий разговор с ChatGPT может потребовать столько же воды, сколько содержится в 500-миллилитровой бутылке, что подчеркивает объем потребления воды, связанный с использованием ИИ.
Сравнивая водный след ИИ с традиционными отраслями, такими как сельское хозяйство, исследование выявляет значительные различия. В то время как такие отрасли, как производство говядины и текстильная промышленность, имеют хорошо известные водные следы, они часто включают непитьевую воду и учитывают жизненный цикл продукта.
В отличие от этого, исследование фокусируется исключительно на операционном водном следе ИИ, исключая воплощенный водный след, связанный с производством и транспортировкой серверов. Однако исследователи оценивают, что если бы учитывался воплощенный водный след, общий водный след ИИ мог бы значительно увеличиться.
Одним из ключевых выводов исследования является напряжение между усилиями по сокращению выбросов углерода и сохранению водных ресурсов. Хотя часы и локации, эффективные для углерода, могут отличаться от таковых для воды, стратегическое планирование рабочих нагрузок ИИ представляет возможность оптимизировать оба показателя. Например, планирование обучения ИИ в периоды низкой нагрузки или в регионах с лучшей эффективностью использования воды может помочь сократить общий водный след, не компрометируя цели по сокращению выбросов углерода.
Реакция технологических гигантов
На фоне растущих опасений по поводу экологического воздействия центров обработки данных крупные технологические компании, такие как Google, Microsoft и Meta, все больше уделяют приоритетное внимание устойчивости в своих процессах разработки.
Однако исследование предполагает, что можно сделать больше для решения проблемы водного следа технологий ИИ. Хотя предпринимаются усилия по повышению эффективности использования воды на месте, такие как использование переработанной воды и повышение эффективности градирен, остаются значительные проблемы, особенно в регионах, подверженных засухе, таких как Калифорния.
Исследователи подчеркивают важность прозрачности в решении проблемы водного следа ИИ. Разработчики могут принимать обоснованные решения о планировании и распределении ресурсов, предоставляя информацию о потреблении воды, связанном с моделями ИИ. Кроме того, прозрачность позволяет пользователям понимать и потенциально минимизировать свой водный след, используя услуги ИИ в часы с лучшей эффективностью использования воды или в регионах с лучшей эффективностью.
Более того, сотрудничество между академическими кругами, промышленностью и политиками необходимо для разработки эффективных нормативных рамок и стимулов, способствующих устойчивым практикам в области ИИ. Это совместное усилие может способствовать инновациям, одновременно защищая драгоценные водные ресурсы нашей планеты для будущих поколений.
Результаты исследования подчеркивают необходимость целостного подхода к устойчивости в разработке ИИ. По мере того как технологические достижения продолжают трансформировать отрасли и общества, крайне важно учитывать экологические последствия использования ИИ. Интегрируя усилия по сохранению водных ресурсов в разработку и эксплуатацию ИИ, заинтересованные стороны могут работать над более устойчивым будущим, где инновации гармонично сосуществуют с экологической ответственностью.
Самые умные крипто-энтузиасты уже читают нашу рассылку. Хотите присоединиться? Присоединяйтесь.
Отказ от ответственности. Предоставленная информация не является торговой рекомендацией. Cryptopolitan.com Мы не несем ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мы настоятельно рекомендуем проводить независимое исследование и/или проконсультироваться с квалифицированным специалистом перед принятием любых инвестиционных решений.
Джеймс Киноти
Энтузиаст криптовалют Джеймс получает удовольствие от обмена знаниями в области финтеха, криптовалют, блокчейна и передовых технологий. Его главная страсть — новейшие инновации в криптоиндустрии, криптогейминг, искусственный интеллект, технологии блокчейна и другие смежные направления. Его миссия: быть в курсе трансформационных приложений в различных отраслях.
