برخی از ارقام صنعت ردپای کربن یک جستار مولد هوش مصنوعی را چهار تا پنج برابر بیشتر از یک جستجوی موتور جستجو تخمین می زنند.
هوش مصنوعی مولد فناوری جدید داغ پشت رباتهای چت و تولیدکنندههای تصویر است. اما چقدر داغ است که سیاره را می سازد؟
به عنوان یک محقق هوش مصنوعی، اغلب نگران هزینه های انرژی ساخت مدل های هوش مصنوعی هستم. هر چه هوش مصنوعی قوی تر باشد، انرژی بیشتری مصرف می کند. ظهور مدلهای هوش مصنوعی مولد قدرتمندتر چه معنایی برای ردپای کربن آینده جامعه دارد؟
“تولید کننده” به توانایی یک الگوریتم هوش مصنوعی برای تولید داده های پیچیده اشاره دارد. جایگزین، هوش مصنوعی «تبعیضکننده» است که بین تعداد ثابتی از گزینهها انتخاب میکند و تنها یک عدد تولید میکند. یک نمونه از خروجی تبعیض آمیز، انتخاب اینکه آیا درخواست وام را تأیید کنید یا خیر.
هوش مصنوعی مولد می تواند خروجی های بسیار پیچیده تری مانند جمله، پاراگراف، تصویر یا حتی یک ویدیوی کوتاه ایجاد کند. مدتهاست که در برنامههایی مانند بلندگوهای هوشمند برای تولید پاسخهای صوتی یا در تکمیل خودکار برای پیشنهاد درخواست جستجو استفاده میشود. با این حال، اخیراً توانایی ایجاد زبان انسانمانند و عکسهای واقعی را به دست آورده است.
استفاده از قدرت بیشتر از همیشه
برآورد هزینه دقیق انرژی یک مدل هوش مصنوعی منفرد دشوار است و شامل انرژی مورد استفاده برای تولید تجهیزات محاسباتی، ایجاد مدل و استفاده از مدل در تولید است.
در سال 2019، محققان دریافتند که ایجاد یک مدل هوش مصنوعی مولد به نام BERT با 110 میلیون پارامتر انرژی یک پرواز بین قاره ای رفت و برگشت را برای یک نفر مصرف می کند.
تعداد پارامترها به اندازه مدل اشاره دارد و مدل های بزرگتر معمولاً ماهرتر هستند. محققان تخمین زدند که ایجاد GPT-3 بسیار بزرگتر، که دارای 175 میلیارد پارامتر است، 1287 مگاوات ساعت برق مصرف کرده و 552 تن معادل دی اکسید کربن تولید می کند که معادل 123 وسیله نقلیه سواری بنزینی است که به مدت یک سال رانندگی می کنند.
و این فقط برای آماده سازی مدل برای عرضه، قبل از شروع استفاده از آن توسط مصرف کنندگان است.
اندازه تنها پیش بینی کننده انتشار کربن نیست. مدل BLOOM با دسترسی آزاد که توسط پروژه BigScience در فرانسه توسعه یافته است، از نظر اندازه شبیه به GPT-3 است، اما دارای ردپای کربن بسیار کمتری است و برای تولید 30 تن CO2eq، 433 مگاوات ساعت برق مصرف می کند. یک مطالعه توسط گوگل نشان داد که برای همان اندازه، استفاده از معماری و پردازنده مدل کارآمدتر و مرکز داده سبزتر می تواند ردپای کربن را 100 تا 1000 برابر کاهش دهد.
مدل های بزرگتر انرژی بیشتری را در حین استقرار مصرف می کنند. داده های محدودی در مورد ردپای کربن یک جستار مولد هوش مصنوعی وجود دارد، اما برخی از ارقام صنعت تخمین می زنند که این ردپای کربن چهار تا پنج برابر بیشتر از یک جستجوی موتور جستجو باشد. همانطور که رباتهای چت و تولیدکنندههای تصویر محبوبتر میشوند و گوگل و مایکروسافت مدلهای زبان هوش مصنوعی را در موتورهای جستجوی خود گنجاندهاند، تعداد درخواستهایی که هر روز دریافت میکنند میتواند به طور تصاعدی افزایش یابد.
ربات های هوش مصنوعی برای جستجو
چند سال پیش، افراد زیادی خارج از آزمایشگاه های تحقیقاتی از مدل هایی مانند BERT یا GPT استفاده نمی کردند. این در 30 نوامبر 2022، زمانی که OpenAI ChatGPT را منتشر کرد، تغییر کرد. طبق آخرین داده های موجود، ChatGPT بیش از 1.5 میلیارد بازدید در مارس 2023 داشته است.
مایکروسافت ChatGPT را در موتور جستجوی خود بینگ گنجانده و در 4 می 2023 در دسترس همه قرار داده است. اگر چت ربات ها به اندازه موتورهای جستجو محبوب شوند، هزینه های انرژی استقرار هوش مصنوعی می تواند واقعاً افزایش یابد. اما دستیاران هوش مصنوعی بیشتر از جستجو استفاده می کنند، مانند نوشتن اسناد، حل مسائل ریاضی و ایجاد کمپین های بازاریابی.
مشکل دیگر این است که مدل های هوش مصنوعی باید به طور مداوم به روز شوند. به عنوان مثال، ChatGPT فقط تا سال 2021 بر روی داده ها آموزش داده شده است، بنابراین از چیزی که از آن زمان تاکنون رخ داده است اطلاعی ندارد. ردپای کربن ایجاد ChatGPT اطلاعات عمومی نیست، اما احتمالاً بسیار بیشتر از GPT-3 است.
اگر مجبور بود به طور منظم برای به روز رسانی دانش خود بازسازی شود، هزینه های انرژی حتی بیشتر می شد.
یک مزیت این است که درخواست از چت بات می تواند راه مستقیم تری برای دریافت اطلاعات نسبت به استفاده از موتور جستجو باشد. به جای اینکه صفحه ای پر از لینک دریافت کنید، با فرض اینکه مسائل مربوط به دقت کاهش یافته باشد، پاسخ مستقیمی مانند یک انسان دریافت می کنید.
دستیابی سریعتر به اطلاعات به طور بالقوه می تواند افزایش مصرف انرژی را در مقایسه با موتورهای جستجو جبران کند.
راه های رو به جلو
پیشبینی آینده سخت است، اما مدلهای بزرگ هوش مصنوعی مولد هستند و مردم احتمالاً به طور فزایندهای برای کسب اطلاعات به آنها مراجعه میکنند.
به عنوان مثال، اگر دانش آموزی در حال حاضر برای حل یک مسئله ریاضی به کمک نیاز داشته باشد، از یک معلم خصوصی یا دوست خود می پرسد یا از یک کتاب درسی مشورت می کند. در آینده احتمالاً از یک چت بات سؤال خواهند کرد. همین امر در مورد سایر دانش های تخصصی مانند مشاوره حقوقی یا تخصص پزشکی نیز صدق می کند.
در حالی که یک مدل بزرگ هوش مصنوعی قرار نیست محیط زیست را خراب کند، اگر هزار شرکت ربات های هوش مصنوعی کمی متفاوت را برای اهداف مختلف توسعه دهند که هر کدام توسط میلیون ها مشتری استفاده می شود، مصرف انرژی می تواند به یک مشکل تبدیل شود. تحقیقات بیشتری برای کارآمدتر کردن هوش مصنوعی مولد مورد نیاز است.
خبر خوب این است که هوش مصنوعی می تواند با انرژی های تجدید پذیر کار کند. با رساندن محاسبات به جایی که انرژی سبز فراوان تر است، یا زمان بندی محاسبه برای زمان هایی از روز که انرژی های تجدیدپذیر بیشتر در دسترس است، انتشار گازهای گلخانه ای را می توان ضریب 30 تا 40 کاهش داد، در مقایسه با استفاده از شبکه تحت سلطه سوخت های فسیلی.
در نهایت، فشار جامعه ممکن است برای تشویق شرکتها و آزمایشگاههای تحقیقاتی برای انتشار ردپای کربن مدلهای هوش مصنوعی خود مفید باشد، همانطور که برخی قبلاً انجام میدهند. در آینده، شاید مشتریان حتی بتوانند از این اطلاعات برای انتخاب یک ربات گفتگوی سبزتر استفاده کنند. – Rappler.com
این مقاله ابتدا در The Conversation منتشر شد.
کیت سانکو، دانشیار علوم کامپیوتر، دانشگاه بوستون