AI zużywa mnóstwo zasobów. A dzięki paradoksowi po raz pierwszy zidentyfikowanemu w latach 60. XIX wieku, nawet bardziej energooszczędna AI prawdopodobnie po prostu oznacza, że w dłuższej perspektywie zużywa się więcej energii.
Dla większości użytkowników „duże modele językowe”, takie jak ChatGPT OpenAI, działają jak intuicyjne wyszukiwarki. Jednak w przeciwieństwie do zwykłych wyszukiwań internetowych, które znajdują i pobierają dane z dowolnego miejsca w globalnej sieci serwerów, modele AI zwracają dane wygenerowane od podstaw. Podobnie jak włączanie reaktora jądrowego w celu użycia kalkulatora, ten dostosowany proces jest bardzo nieefektywny .
Jedno z badań sugeruje, że branża AI będzie zużywać od 85 do 134 terawatogodzin (TWh) energii elektrycznej do 2027 r. To podobna ilość energii, jaką Holandia zużywa każdego roku. Jeden wybitny badacz przewiduje , że do 2030 r. ponad 20% całej energii elektrycznej produkowanej w USA będzie zasilać centra danych AI (ogromne magazyny wypełnione komputerami).
Wielkie firmy technologiczne zawsze twierdziły, że są poważnymi inwestorami w energię wiatrową i słoneczną. Ale apetyt AI na energię 24/7 oznacza, że większość z nich opracowuje własne opcje nuklearne . Microsoft planuje nawet reaktywację niesławnej elektrowni Three Mile Island, miejsca najgorszego w historii Ameryki cywilnego wypadku nuklearnego.
Pomimo ambitnego celu Google, jakim jest osiągnięcie neutralności węglowej do 2030 r ., rozwój AI firmy oznacza, że jej emisje wzrosły o 48% w ciągu ostatnich kilku lat. A moc obliczeniowa potrzebna do trenowania tych modeli wzrasta dziesięciokrotnie każdego roku.
Jednak chiński start-up DeepSeek twierdzi, że znalazł rozwiązanie: model, który dorównuje wydajnością znanym amerykańskim rywalom, takim jak OpenAI, ale przy znacznie niższych kosztach i mniejszym śladzie węglowym.
Czy to przełom w ochronie środowiska?
DeepSeek stworzył potężny model open-source, stosunkowo energooszczędny. Firma twierdzi, że wydała zaledwie 6 milionów dolarów na wynajem sprzętu potrzebnego do trenowania nowego modelu R1, w porównaniu z ponad 60 milionami dolarów na Llama Meta, który wykorzystał 11 razy więcej zasobów obliczeniowych.
DeepSeek wykorzystuje architekturę „mixture-of-experts” , metodę uczenia maszynowego, która pozwala modelowi skalować się w górę i w dół w zależności od złożoności monitów. Firma twierdzi, że jej model może również przechowywać więcej danych i być trenowany bez potrzeby ogromnych ilości drogich chipów procesorowych.
W reakcji na to akcje amerykańskich producentów chipów i spółek energetycznych gwałtownie spadły po obawach inwestorów, że firmy AI przemyślą swoje energochłonne projekty centrów danych. Jako największy na świecie dostawca specjalistycznych procesorów AI, Nvidia odnotowała spadek ceny akcji o 589 miliardów dolarów, co stanowi największą jednodniową stratę w historii Wall Street.
Paradoksalnie, oprócz pogorszenia wyników amerykańskich akcji technologicznych, poprawa efektywności energetycznej platform AI może w rzeczywistości pogorszyć wyniki całej branży w zakresie oddziaływania na środowisko.
Podczas gdy akcje technologiczne spadają, CEO Microsoftu Satya Nadella próbował przedstawić długoterminową perspektywę : „Paradoks Jevonsa uderza ponownie!” napisał na X. „W miarę jak AI staje się coraz bardziej wydajna i dostępna, zobaczymy, jak jej wykorzystanie gwałtownie wzrasta, zamieniając ją w towar, którego po prostu nie możemy mieć dość”.
Paradoks Jevonsa
Pomysł, że efektywność energetyczna nie zawsze jest dobra dla zasobów Ziemi, istnieje od ponad wieku. W 1865 roku młody Anglik o nazwisku William Stanley Jevons napisał „The Coal Question”, książkę, w której zasugerował, że rola Wielkiej Brytanii jako przemysłowego supermocarstwa może wkrótce dobiec końca z powodu szybko wyczerpujących się rezerw węgla.
Ale dla Jevonsa oszczędność nie była rozwiązaniem. Twierdził : „To całkowite pomieszanie pojęć, aby zakładać, że ekonomiczne wykorzystanie paliwa jest równoważne zmniejszonemu zużyciu. Prawda jest zupełnie odwrotna”.
Według Jevonsa, każdy wzrost efektywności wykorzystania zasobów generuje wzrost długoterminowego zużycia zasobów, a nie spadek. Ponieważ większa efektywność energetyczna ma wpływ na obniżenie ukrytej ceny energii, zwiększa stopę zwrotu – i popyt.
Jevons podał przykład brytyjskiego przemysłu żelaznego. Gdyby postęp technologiczny pomógł wielkiemu piecowi produkować żelazo przy mniejszej ilości węgla, zyski wzrosłyby, a nowe inwestycje w produkcję żelaza zostałyby przyciągnięte. Jednocześnie spadające ceny stymulowałyby dodatkowy popyt. Podsumował : „Większa liczba pieców z nawiązką zrekompensuje zmniejszone zużycie [węgla] każdego z nich”.
Niedawno ekonomista William Nordhaus zastosował tę ideę do efektywności oświetlenia, które istniało od zarania ludzkiej cywilizacji.
W artykule opublikowanym w 1998 r . doszedł do wniosku, że w starożytnym Babilonie przeciętny robotnik musiał pracować ponad 40 godzin, aby kupić wystarczająco dużo paliwa, aby wyprodukować ilość światła równą tej emitowanej przez współczesną żarówkę w ciągu jednej godziny. Jednak w 1992 r. przeciętny Amerykanin musiałby pracować przez mniej niż pół sekundy, aby wyprodukować to samo.
Przez cały czas wzrost wydajności nie zmniejszył energii, którą wydajemy na oświetlenie, ani nie zmniejszył naszego zużycia energii. Wręcz przeciwnie, obecnie generujemy tak dużo światła elektrycznego, że obszary bez niego stały się atrakcjami turystycznymi .
Efektywne ogrzewanie i oświetlenie naszych domów , prowadzenie samochodów , wydobywanie Bitcoinów , a nawet budowanie modeli AI podlegają tym samym tzw. efektom odbicia, które zidentyfikowano w paradoksie Jevonsa. I dlatego nie da się zagwarantować, że bardziej wydajny przemysł AI faktycznie doprowadzi do ogólnej redukcji zużycia energii.
Moment Sputnika
W latach 50. USA były przerażone, gdy Sowieci wystrzelili Sputnika, pierwszego satelitę kosmicznego. Pojawienie się bardziej wydajnego rywala spowodowało, że Ameryka przeznaczyła więcej zasobów na wyścig kosmiczny, a nie mniej.
DeepSeek to moment Sputnika w Dolinie Krzemowej. Bardziej wydajna sztuczna inteligencja prawdopodobnie będzie oznaczać bardziej rozproszone i wydajne modele, w wyścigu zbrojeń, który nie będzie już składał się tylko z amerykańskich gigantów technologicznych.
AI oferuje status supermocarstwa , a śluzy mogą być teraz w pełni otwarte dla Wielkiej Brytanii i innych globalnych konkurentów, a także Chin. Pewne jest, że w dłuższej perspektywie apetyt branży AI na energię i inne zasoby będzie tylko wzrastał.
Peter Howson jest adiunktem w dziedzinie rozwoju międzynarodowego na Uniwersytecie Northumbria w Newcastle
Ten artykuł jest przedrukowany z The Conversation na licencji Creative Commons. Przeczytaj oryginalny artykuł .