Цифровой обжора: правда об углеродном следе ChatGPT

Обучение одной нейросети может потребовать такое количество воды, которым можно полностью заполнить атомный реактор, а наши запросы ChatGPT создают углеродный след, сравнимый с промышленным производством. Мы выяснили, какую цену платит планета за наш диалог с искусственным интеллектом.

Когда вы просите ChatGPT написать деловое письмо или составить кулинарный рецепт, перед вами за считанные секунды появляется текст на экране. На самом деле, в это время в гигантском дата-центре, возможно, за тысячи километров от вас, запускаются тысячи мощных процессоров. Они потребляют колоссальные объемы энергии, а для охлаждения — миллионы литров воды. Результат вашего единственного запроса — не только умный ответ, но и сотни граммов CO₂, выпущенные в атмосферу, и десятки литров испаренной воды. Умножьте это на сотни миллионов ежедневных пользователей — и вы получите экологическую бомбу замедленного действия.

Мы восхищаемся революционными возможностями больших языковых моделей, но упорно игнорируем их экологическую стоимость. Пока ИИ-индустрия растет экспоненциально, ее углеродный след становится все менее призрачным и все более осязаемым. 

Сколько ест ИИ

Исследователи выяснили, что обучение только одного алгоритма обработки естественного языка третьего поколения от OpenAI — GPT-3 — потребовало энергии, эквивалентной годовому потреблению 120 американских домохозяйств, и привело к выбросам 550 тонн CO₂. Это сравнимо с углеродным следом от 60 кругосветных перелетов на Boeing 747.

Модели становятся все прожорливее. Если GPT-3 содержала 175 миллиардов параметров, то современные флагманские модели приближаются к триллионным отметкам. Каждое новое поколение требует на порядок больше вычислений, а значит — энергии. При этом их обучение — не разовое событие, а постоянный процесс: дополнительное обучение на новых данных, создание специализированных версий, эксперименты с архитектурами.

Критически важен и источник энергии. Дата-центр в регионе, где энергетика основана на угле (как в некоторых частях Азии и США), имеет углеродный след в 5-10 раз выше, чем аналогичный центр в Скандинавии, где доминирует гидроэнергетика. Экологичность ИИ оказывается географически зависимой.

Менее очевидный, но не менее критичный ресурс — пресная вода, безжалостно потребляемая системами охлаждения. Современные дата-центры используют испарительное охлаждение: вода испаряется, отбирая тепло у серверов, и безвозвратно покидает систему. Это эффективно, но расточительно.

Исследования показали, что только дата-центры Microsoft, используемые для обучения и работы ИИ-моделей, потребили порядка 2,5 миллиардов литров воды — эквивалент объема нескольких сотен олимпийских бассейнов. При этом один только диалог с ИИ-ассистентом с 20-50 вопросами может «испарить» до 500 миллилитров чистой воды — стандартную бутылку.

Особенно остро эта проблема стоит в засушливых регионах. В американском штате Аризона, где уже много лет сохраняется водный кризис, построить дата-центр не так просто — инициативы сталкиваются с сопротивлением местных жителей: технологические гиганты начинают конкурировать за ресурсы с фермерами и населением. 

Так, один запрос к сложной LLM может быть в 10-50 раз более энергозатратным, чем простой поисковый запрос в Google. Ежедневно ChatGPT обрабатывает около 200 миллионов запросов — эта цифра создает постоянную нагрузку, сравнимую с энергопотреблением небольшой европейской страны.

Новые риски приносят мультимодальные модели. Генерация и анализ изображений, работа с видео требуют на порядок больше вычислений, чем обработка текста. Один только запрос на создание картинки в DALL-E или Midjourney может быть столь же энергозатратен, как сотни текстовых взаимодействий. 

Путь к «зеленому» ИИ 

Технологическое сообщество предлагает несколько решений, которые позволят сделать работу ИИ более экологичной. Например: 

Энергоэффективные алгоритмы — наиболее перспективное направление. Методы дистилляции знаний (это техника оптимизации нейронных сетей, при которой компактная модель обучается воспроизводить поведение более крупной и сложной модели, включая ее выходные распределения вероятностей и внутренние представления данных) позволяют создавать компактные модели, которые работают почти так же хорошо, как их гигантские прародители, но с минимальными затратами. Квантизация — сжатие численных представлений в нейросетях — может снизить энергопотребление в 4-5 раз без существенной потери качества.

«Зеленые» дата-центры перестают быть маркетинговым ходом и становятся технологической необходимостью. Переход на 100% возобновляемую энергию — только первый шаг. Погружное охлаждение, когда серверы полностью помещаются в диэлектрическую жидкость, в 5 раз эффективнее традиционных систем. Строительство дата-центров в скандинавских странах с естественным охлаждением или даже под водой — как эксперимент Microsoft Project Natick — показывает революционные результаты по энергоэффективности. PUE (Power Usage Effectiveness) — это ключевой показатель эффективности дата-центра. Идеал — 1.0 (вся энергия идет на серверы, ноль — на инфраструктуру). У средних наземных дата-центров PUE составляет около 1.4-1.6. Natick достиг коэффициента PUE всего 1.07. Это один из лучших показателей в мире.

Прозрачность и отчетность — ключевое требование к ИИ-компаниям. Пока лишь единицы публично отчитываются об углеродном и водном следе своих моделей. Создание стандартов «эко-маркировки» ИИ-сервисов позволило бы пользователям осознанно выбирать менее ресурсоемкие альтернативы.

Оптимизация использования — то, что доступно каждому. Не стоит обращаться к ИИ для решения задач, с которыми легко справляется обычный поисковик. Использование более легких моделей там, где не нужны возможности GPT-4 — простой способ снизить коллективный экологический след.

Экологическая цена искусственного интеллекта огромна, многогранна и будет только расти. Но эта проблема — не приговор технологии, а вызов, который требует системного ответа. Для компаний это означает реальную, а не показную прозрачность, инвестиции в «зеленые» вычисления и эффективные алгоритмы. Для регуляторов — включение IT-сектора в строгие экологические стандарты и создание стимулов для снижения углеродного следа. А для пользователей, в свою очередь, — осознанное потребление.