A müncheni Hochschule München kutatói azt vizsgálták, mekkora szén-dioxid-kibocsátással jár a ChatGPT és más nyelvi modellek egy-egy válasza. A kutatás megállapította, hogy egyetlen összetettebb kérdés – például egy filozófiai probléma kifejtése vagy egy logikai feladvány megoldása – akár öt-hatszor annyi energiát emészthet fel, mint egy egyszerű, tényszerű kérdés megválaszolása. Azaz egy információ, adat vagy esemény kapcsán feltett kérdés.
Ez az eltérés közvetlenül összefügg azzal, hogy mennyi számítási kapacitást igényel a kérés feldolgozása a mesterséges intelligencia rendszerében.
Mit jelent ez a gyakorlatban?
Bár egyetlen kérdés feldolgozása néhány gramm szén-dioxid kibocsátással jár – a kutatók 2 és 5 gramm közé tették az átlagot –, a globális felhasználási arány már sokkal aggasztóbb képet fest. A ChatGPT-t és hasonló nyelvi modelleket naponta több százmilliószor kérdést kapnak – amely így már nem elhanyagolható méretű környezeti hatást jelent.
Egyes becslések szerint ez naponta akár 1000–1500 tonna szén-dioxidot is jelenthet, ami közel 100 ezer háztartás teljes napi áramfogyasztásának felel meg.
De nézzük a gyakorlatot:
- egy kérdés-válasz lekérdezés nagyjából annyi energiát igényel, mint amikor 10 percre felkapcsolunk egy 10 wattos LED-lámpát,
- tíz kérdés-választ kibocsátása összemérhető azzal, amikor elküldünk egy e-mailt nagyobb melléklettel, például egy PDF dokumentummal vagy képpel,
- száz válasz feldolgozása energiaigényben hasonló ahhoz, mintha okostelefonon végignéznénk egy 10 perces YouTube-videót,
- ötszáz lekérdezés kibocsátása megközelíti egy rövid, körülbelül egy kilométeres autóút szén-dioxid-terhelését kisvárosi forgalomban,
- ezer válasz előállítása pedig annyi szén-dioxidot jelent, amennyit egy átlagos lombos fa körülbelül egy hét alatt képes lenne megkötni.
A háttérben működő adatközpontok óriási elektromos energiafelhasználással dolgoznak. Az ilyen rendszerek működtetéséhez nemcsak nagy teljesítményű szerverek kellenek, hanem megfelelő hűtés is. Egyes adatok szerint például a GPT-3 modell betanítása során több mint 700 ezer liter vizet használtak fel – és ez még csak a betanításra vonatkozott.
Miért nem tudunk többet?
Az egyik legnagyobb probléma, hogy az iparág jelenleg nem átlátható. Sem az OpenAI, sem más nagy technológiai cégek nem közölnek rendszeres, részletes jelentéseket a mesterséges intelligencia rendszereik energiafogyasztásáról vagy karbonlábnyomáról. Emiatt jelenleg leginkább becslésekre lehet hagyatkozni. Az viszont biztos, hogy a mesterséges intelligencia és a hozzá kapcsolódó adatfeldolgozás arányaiban egyre nagyobb szeletet hasít ki a globális energiafelhasználásból.
A Nemzetközi Energiaügynökség előrejelzése szerint az adatközpontok energiaigénye 2030-ra duplázódhat. Ebben a mesterséges intelligencia lesz az egyik fő hajtóerő.
A mesterséges intelligencia kétségtelenül forradalmasítja a világot, de ahogyan minden forradalomnak, ennek is ára van. A kérdés most már nem csak az, hogy mit tudnak ezek a rendszerek – hanem az is, hogy mennyibe kerülnek a bolygónknak.
(Kép: Unsplash/BoliviaInteligente)
