AI Berkontribusi pada Perubahan Iklim-Inilah Cara Membuat Teknologi Berduka

Kecerdasan buatan generatif (AI) sangat populer, tetapi menghasilkan begitu banyak informasi memiliki biaya lingkungan.

A laporan segar Peneliti dari Stanford University menemukan bahwa model pelatihan setelah chatbot AI ChatGPT dirilis setara dengan 9 mobil tersebut. Sementara dampak lingkungan dari AI belum diukur, para ahli mengatakan konsekuensinya mengerikan.

“Kita perlu terus meningkatkan perangkat keras dan perangkat lunak” Penasihat Teknis Vaclav Vincalek kata Lifewire dalam wawancara email. “Pusat data yang lebih efisien, sistem pendingin yang lebih baik untuk pusat data tersebut, algoritme hemat energi, dan insentif untuk mengejar inovasi yang membantu pengembang AI mengurangi dampak lingkungan dari sistem.”

Dampak lingkungan AI

Penelitian Stanford meneliti biaya karbon yang terkait dengan pelatihan empat model: DeepMind Gopher, proyek FLOOR BigScience, Meta OPT, dan OpenAI GPT-3. Model OpenAI dilaporkan melepaskan 502 metrik ton karbon selama prosesnya, empat kali lebih banyak karbon daripada Gopher dan 20,1 lebih banyak daripada Floss. Daya maksimum GPT-3 digunakan pada 1.287 megawatt-jam.

“Ada banyak laporan tentang ‘biaya’ pembuatan model AI generatif seperti ChatGPT,” kata Vincalek. Dia mendapat laporan lain tentang emisi muntah yang setara dengan satu orang yang terbang antara New York dan San Francisco sebanyak 550 kali. Di tahun Selanjutnya, konsumsi air digabungkan dengan pelatihan AI generatif. Satu laporan mengatakan dia menghabiskan 185.000 galon air selama pelatihannya.

Masalahnya adalah satu skala. Agar chatbot generatif dapat memberikan jawaban, mereka memerlukan “pelatihan” pada kumpulan data yang sangat besar, sebuah teknik yang dicatat oleh konsultan. Sam Cooper dalam email. Proses pembentukan ini membutuhkan penggunaan superkomputer dan prosesor yang kuat secara intensif, yang menggunakan listrik dalam jumlah besar. Misalnya, butuh sembilan hari untuk memasang salah satu air terjun AI masuk OpenAI, menghabiskan lebih dari 25.000 kilowatt jam energi. Jumlah ini setara dengan energi yang digunakan rumah tangga AS selama tiga tahun.

“Energi konsumen bukanlah masalah lingkungan bagi AI,” tambahnya.
“Prosesor dan chip yang digunakan oleh superkomputer untuk melatih model AI ini membutuhkan silikon, plastik, dan tembaga dalam jumlah besar.”

Bisnis AI yang semakin kompetitif juga berkontribusi terhadap isu lingkungan; Hammad KhanCEO dari AlphaVenture, sebuah perusahaan konsultan AI, mengatakan melalui email. Dia mengatakan AI adalah jenis peralatan yang menyebabkan lonjakan permintaan dan produksi chip dengan jejak karbon yang signifikan.

“Juga, dengan lonjakan permintaan yang tiba-tiba dan pertumbuhan yang cepat, seringkali dengan tumpukan perangkat keras usang di sampah, seperti yang telah kita lihat dalam ledakan crypto,” tambahnya.

Tetapi AI juga dapat membantu mengurangi Perubahan Iklim

Tidak semua berita buruk terkait AI dan lingkungan. Ini memiliki potensi teknis untuk mengurangi limbah secara signifikan dan mempromosikan keberlanjutan dengan mempermudah penggantian barang lama atau rusak; Jaka Maymarpresiden inovasi di perusahaan konsultan teknologi Grup Sekilaskatanya dalam email.

AI dapat secara otomatis menghasilkan dan menghasilkan berbagai jenis limbah, seperti elektronik, tekstil, dan plastik, berdasarkan komposisi dan kondisinya, kata Maymar. “Hal ini dapat mengarah pada efisiensi yang sama dari barang-barang yang dapat digunakan kembali atau diperbaiki yang dapat dipulihkan untuk limbah yang dibuang,” katanya.

Selain itu, AI dapat membantu mengoptimalkan desain produk agar lebih kuat, dapat diperbaiki, dan dapat digunakan kembali. “Dengan menggunakan algoritme AI, desainer dapat mengoptimalkan penggunaan material, meningkatkan umur panjang produk, dan mengurangi limbah secara real time,” kata Maymar.

Pada akhirnya, industri AI harus menghasilkan jalur data yang lebih bersih. Insinyur perlu memprioritaskan efisiensi energi dalam desain perangkat keras dan perangkat lunak yang digunakan untuk pembentukan dan pengurutan; Krzysztof Sopylakepala pembelajaran mesin STXBerikutnyakatanya dalam email. Pendekatan ini mungkin termasuk menggunakan proses dan algoritme yang lebih efisien yang memerlukan lebih sedikit perhitungan.

“Pendekatan lain adalah menggunakan sumber energi terbarukan untuk menggerakkan infrastruktur komputasi untuk AI generatif,” kata Sopyla. “Banyak pusat data sudah membuat kemajuan di bidang ini, dan saya yakin tren ini akan terus berkembang di masa depan.”